马铃薯典型病虫害图像特征融合与识别算法研究

《马铃薯典型病虫害图像特征融合与识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:学校代码:10128UDC:学号:20151100321硕士学位论（文学生类别：全日制学术型硕士研究生学科名称：控制科学与工程论文题目：马铃薯典型病虫害图像特征融合与识别算法研究英文题目：ResearchonFeatureFusionandRecognitionofPotatoTypicalDiseaseandInsectPestImages学生姓名：刘洪导师姓名：肖志云教授二○一八年六月内蒙古工业大学硕士学位论文摘要马铃薯作为重要粮食农作物，常常受到病虫害的侵袭。传统病虫害识别依靠农业工作者肉眼观察进行经验区分，其检测范围小，劳动强

2、度大，运行效率低。随着计算机技术快速发展，基于图像处理与模式识别理论建立起来的视觉识别系统，成为了农业智能化的前进潮流。系统以自然条件下马铃薯病虫害图像为研究对象，运用图像处理与模式识别技术，进行病虫害自动分类。首先，基于病虫害图像特点，采用中值滤波算法进行HSI空间I通道图像滤波，Grabcut算法进行RGB空间R、G、B通道目标粗分割，二维Otsu法进行Lab空间a通道目标细分割，形态学算法进行二值空间处理，可清晰分离完整病虫害目标。然后，按照病虫害视觉不变信息，提出了小波域高频协方差阵特征值与低频低阶矩（HELM）纹理特征提取方法，可有

3、效克服目标平移、旋转、缩放等问题，增强目标刻画能力。其次，根据435维颜色、形状、纹理特征，提出了基于主成分分析的特征加权融合（FWFPCA）算法，可快速消除高维特征灾难，提高特征表达水平。最后，针对13类病虫害融合特征，采用决策树思想，逐级进行支持向量机（SVM）分类，具有一定识别优势。系统以MATLABR2012b为平台，对马铃薯病害与虫害、3类病害、10类虫害样本分别进行特征识别实验，结果表明：（1）SVM识别模型下，HELM特征，相比空间域LBP、灰度共生矩阵（GLCM）特征，小波域LBP、低频低阶矩（LM）、高频低阶矩与低频低阶矩（

4、HMLM），不仅识别率高，而且特征维度低；（2）SVM识别模型下，FWFPCA融合算法，相比直接排序选择（SRS）、特征块排序选择（FBRS）、直接主成分分析（SPCA）、特征块主成分分析（FBPCA）融合算法，有更高识别水平；（3）FWFPCA融合特征下，SVM分类器识别率，相比人工神经网络（ANN）、贝叶斯（Bayes）分类器识别率，上升了至少2.10%、4.10%、5.20%，运行时间比ANN快了2.33s、3.22s、1.06s。因此，HELM特征结合优化颜色与形状特征，进行FWFPCA融合与SVM分类，可有效保证马铃薯病虫害识别的准

5、确性与快速性。关键词：马铃薯病虫害；识别系统；HELM特征；FWFPCA算法；支持向量机I内蒙古工业大学硕士学位论文AbstractAsakindofimportantgraincrop,potatoesareusuallyattackedbydiseasesandinsectpests.Dependingontheexperientialdistinguishofagriculturalworkerswhileobservingcropleaves,thetraditionalrecognitionmethodfordiseasesandi

6、nsectpestsisconsideredtobedetectingrestrictively,laborexhaustiveandrunningslowly,whichcaneasilycausereductionofpotatoproductionandquality.Withthedevelopmentofcomputertechnology,imageprocessingandpatternrecognitiontheorywereusedtoestablishgraduallythevisualrecognitionsystem,

7、whichhasbeenaforwardtrendinthedirectionofagriculturalintelligence.Theimageofpotatodiseasesandinsectpestsundernaturalconditions,werestudiedasresearchobjectsinthisrecognitionsystem.Automatically,potatodiseasesandinsectpestswereclassifiedbasedonimageprocessingandpatternrecogni

8、tiontechnology.Theprocessingstepsfromimagesacquisitiontoimagesrecognitionfordiseas