试析基于多光谱图像机器视觉的棉田杂草识别研究

《试析基于多光谱图像机器视觉的棉田杂草识别研究》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、江苏大学硕士学位论文基于多光谱图像机器视觉的棉田杂草识别研究姓名：张玉珠申请学位级别：硕士专业：农业机械化工程指导教师：毛罕平20080606江苏大学硕士学位论文摘要利用机器视觉技术识别田间杂草是当今的研究热点和未来除草技术的发展趋势。本研究以棉花及棉田四种恶性杂草为研究对象，运用机器视觉技术，利用多光谱图像来实现土壤背景分割、特征提取、模式识别。本文的研究工作主要包括以下几个方面：(1)土壤背景分割。使用近红外图像和红光图像建立二维直方图，以总分割误差值作为指标选择分割直线进行背景分割。利用Fisher法实现降维处理，然后通过最大类间方差法(oust法)进行分割，并将分割结果与使用单独近红

2、外图像或红光图像分割结果进行比较，发现Fisher法分割效果最好。(2)识别特征参数的提取。试验中通过细化算法和骨架算法分别提取整株植物的细化和骨架长度，以细化长度与叶片面积比、骨架长度与叶片面积比两个特征参数，作为棉花和杂草的识别参数。提取了整株的三个多光谱特征参数：IR均值、CIR均值和IIVR均值，作为单双子叶杂草的识别参数。提取叶片的宽长比、圆满度、圆度三个形状特征和标准偏差、平滑度两个纹理特征，作为识别单双子叶杂草各自之问种类的识别参数。(3)利用统计模式识别中基于有限样本和结构风险最小化原则的支持向量机建立了棉花和杂草的模式识别分类器。实验中使用径向基核函数建立四个支持向量机模型

3、，在模型参数选择中，采用网格搜索法来选择最优的尺度参数。和惩罚参数C。最终的识别精度为：棉花：98％；狗尾草：92％；牛筋草：84％；刺儿菜：82％；马齿苋：80％。比使用形状特征的单识别器的平均识别精度提高12％以上。本研究实现棉田杂草的识别，为后续精确施药技术提供了研究基础，具有较重要的学术意义和实用价值。关键词：杂草多光谱图像识别支持向量机江苏大学硕士学位论文ABSTRACTTheresearchworkonusingmachinevisionsystemtoidentifyweedisafocusthesedaysaswellasamaintrendinthefuture．Wereg

4、ardcottonandcottonfieldweedastheobjenofthisstudyandusemulti·spectralimagesbasedonmachinevisiontechnologytoachievebackgroundsegmentation,identifyingandfollowingprocess．Themaincontentsofthestudyareasfollows：(1)Backgroundsegmentation．Firstly，Iestablish2-dimensionalhistogrambyusingNear-infraredimageand

5、redimageanduseallsegmentationerrorsasthetargettochoicesegmentline．Secondly，IusefishertoreducedimensionandthensegmentimagethroughtheOUSt．Finally，IfindthatthemethodofFishershowbettereffcetbycompraringwitllusingnear-infraredimageortheredimagealone．(2)Identificationfeaturespmposed．Usingtheratioofthinni

6、nglengthtoleafareaandtheratioofskeletonlengthtoleafareaastwomorphologyfeaturesidentifycottonandweed．UsingaveragevalueofIR、CIR、IR／Rthesethreemulti-spectralfeaturesidentifymonocotyrledonanddicotyledonousweed．Usingaspect，roundnessaswellascompactnessasthreeshapefeatures，andstandarddeviation，smoothnessa

7、stwotexturefeatureidentifyweedtype．(3)useingmethod-supportvectormachine(SⅥ峋basedOilthelimitedsampleandtheminimumprincipleofthestructureriskaspattemrecognitionidentifycottonandweeds．Fourmodelswithradialbasis