稀疏表示框架下的农作物病害图像识别方法研究
发布时间：2021-11-23 21:15
农作物病害是我国主要的农业灾害之一,病害类型准确识别是防治农作物病害的关键。论文针对当下农作物病害识别主要针对单一农作物及现有侦测技术检测识别率较低的问题,综合利用计算机视觉、图像处理、模式识别等领域的知识,展开了对小麦、玉米、花生、棉花四种农作物常见叶部病害的识别方法研究。主要研究内容如下:1)首先采集了华北地区大面积种植的小麦、玉米、花生、棉花四种农作物常见的22种叶部病害共422个病害样本图像,在完成对每张病害图像叶片和病斑分割的基础上,分别提取了描述农作物种类的叶片特征参数和描述病害类型的病斑特征参数;然后将这两类特征参数组合、归一化处理,得到病害图像的数据特征向量,构建了一个农作物叶部病害数据集;最后根据研究成果和研究需求,编制了一个农作物叶部病害处理与特征提取软件。2)实验表明,直接利用病害原始数据特征进行病害识别,识别效率不够理想。为了进一步提高农作物叶部病害识别率,本文选择特征选择的方法去掉病害特征中的冗余信息以及干扰信息。在判别局部保留映射算法的基础上,本文提出一种基于L2,p范数的判别局部保留映射算法进行特征选择。具体地,基于判别的局部保持映射...
【文章来源】：河南大学河南省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
部分农作物叶部病害原始图像
(b) 玉米大斑病叶片分割结果图像(c) 花生褐斑病叶片分割结果 (d) 棉花黄萎病叶片分割结果图像图2-2 部分农作物叶部病害图像叶片分割结果2.2.3 病斑分割近年来，基于高斯混合模型聚类[73]、谱聚类[74]以及均值漂移聚类[75]的图像分割方法得到了广泛地应用。聚类算法[71]的目标是根据一定的相似性准则对待划分的数据对象进行分类，使得相似的数据对象，尽可能的被划分为一类，不相似的对象尽可能的被划分到不同类中。聚类算法是一种无监督的统计分类方法，该算法的最大的特点就是数据对象在划分过程中无需任何先验知识，而是根据一定的相似性准则将数据对象划分到各个类中。其中相似性准则中度量参数的确定是由描述对象数据的属性所决定，通常选取
该点附近的峰值，从而实现样本的聚类。该算图像的基本特征、减少图像中基本实体的数目思想如下：假设ix ， i =1, 2, ,n ，是一个d 维x的均值漂移向量可表示如下：( ) ( )1k∈= i hh ix SM x x - x 表示高维的半径为 h 的球区域，x 表示这个球区示点ix 相对于基准点 x 的偏移向量， ( )hM x 量累加求和后再求取平均值。如果点ix 是从连观点来看，hS 内区域内大多数样本点的均值向中最终均值漂移向量 ( )hM x 的方向为其样本点的直观图如图 2-3 所示：
【参考文献】：
期刊论文
[1]基于叶片病斑特征的茄子褐纹病识别方法[J]. 田凯,张连宽,熊美东,黄志豪,李就好. 农业工程学报. 2016(S1)
[2]基于改进均值漂移算法的绿色作物图像分割方法[J]. 伍艳莲,赵力,姜海燕,郭小清,黄芬. 农业工程学报. 2014(24)
[3]结合高斯回归模型和隐马尔可夫随机场的模糊聚类图像分割[J]. 赵雪梅,李玉,赵泉华. 电子与信息学报. 2014(11)
[4]基于最优二叉树支持向量机的蜜柚叶部病害识别[J]. 张建华,孔繁涛,李哲敏,吴建寨,陈威,王盛威,朱孟帅. 农业工程学报. 2014(19)
[5]基于支持向量机的黄瓜叶部病害的识别研究[J]. 张芳,王璐,付立思,田有文. 沈阳农业大学学报. 2014(04)
[6]基于叶片图像和环境信息的黄瓜病害识别方法[J]. 王献锋,张善文,王震,张强. 农业工程学报. 2014(14)
[7]基于局部判别映射算法的玉米病害识别方法[J]. 张善文,张传雷. 农业工程学报. 2014(11)
[8]农业物联网研究与应用现状及发展对策研究[J]. 葛文杰,赵春江. 农业机械学报. 2014(07)
[9]基于机器视觉的玉米叶片透射图像特征识别研究[J]. 唐俊,邓立苗,陈辉,栾涛,马文杰. 中国农业科学. 2014(03)
[10]基于改进BP算法的玉米叶部病害图像识别研究[J]. 刘丽娟,刘仲鹏. 江苏农业科学. 2013(11)
博士论文
[1]基于数字图像的水稻氮磷钾营养诊断与建模研究[D]. 石媛媛.浙江大学 2011
硕士论文
[1]基于聚类的图像目标分割方法研究[D]. 王海鹰.西安电子科技大学 2014
[2]基于图像处理技术的温室黄瓜病害识别系统研究[D]. 董丕霞.沈阳工业大学 2013
[3]基于均值漂移和改进的蚁群聚类算法的图像分割[D]. 刘玲星.中南大学 2012
[4]基于图论理论的图像分割算法的研究[D]. 廖武忠.重庆大学 2012
[5]大豆叶片视觉信息提取及氮素缺超诊断模型研究[D]. 马莉莉.东北农业大学 2011
[6]基于阈值的图像分割算法的研究[D]. 刘东菊.北京交通大学 2009
[7]基于计算机视觉技术的黄瓜叶部病害自动诊断研究[D]. 岑喆鑫.中国农业科学院 2008
本文编号：3514657
【文章来源】：河南大学河南省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
部分农作物叶部病害原始图像
(b) 玉米大斑病叶片分割结果图像(c) 花生褐斑病叶片分割结果 (d) 棉花黄萎病叶片分割结果图像图2-2 部分农作物叶部病害图像叶片分割结果2.2.3 病斑分割近年来，基于高斯混合模型聚类[73]、谱聚类[74]以及均值漂移聚类[75]的图像分割方法得到了广泛地应用。聚类算法[71]的目标是根据一定的相似性准则对待划分的数据对象进行分类，使得相似的数据对象，尽可能的被划分为一类，不相似的对象尽可能的被划分到不同类中。聚类算法是一种无监督的统计分类方法，该算法的最大的特点就是数据对象在划分过程中无需任何先验知识，而是根据一定的相似性准则将数据对象划分到各个类中。其中相似性准则中度量参数的确定是由描述对象数据的属性所决定，通常选取
该点附近的峰值，从而实现样本的聚类。该算图像的基本特征、减少图像中基本实体的数目思想如下：假设ix ， i =1, 2, ,n ，是一个d 维x的均值漂移向量可表示如下：( ) ( )1k∈= i hh ix SM x x - x 表示高维的半径为 h 的球区域，x 表示这个球区示点ix 相对于基准点 x 的偏移向量， ( )hM x 量累加求和后再求取平均值。如果点ix 是从连观点来看，hS 内区域内大多数样本点的均值向中最终均值漂移向量 ( )hM x 的方向为其样本点的直观图如图 2-3 所示：
【参考文献】：
期刊论文
[1]基于叶片病斑特征的茄子褐纹病识别方法[J]. 田凯,张连宽,熊美东,黄志豪,李就好. 农业工程学报. 2016(S1)
[2]基于改进均值漂移算法的绿色作物图像分割方法[J]. 伍艳莲,赵力,姜海燕,郭小清,黄芬. 农业工程学报. 2014(24)
[3]结合高斯回归模型和隐马尔可夫随机场的模糊聚类图像分割[J]. 赵雪梅,李玉,赵泉华. 电子与信息学报. 2014(11)
[4]基于最优二叉树支持向量机的蜜柚叶部病害识别[J]. 张建华,孔繁涛,李哲敏,吴建寨,陈威,王盛威,朱孟帅. 农业工程学报. 2014(19)
[5]基于支持向量机的黄瓜叶部病害的识别研究[J]. 张芳,王璐,付立思,田有文. 沈阳农业大学学报. 2014(04)
[6]基于叶片图像和环境信息的黄瓜病害识别方法[J]. 王献锋,张善文,王震,张强. 农业工程学报. 2014(14)
[7]基于局部判别映射算法的玉米病害识别方法[J]. 张善文,张传雷. 农业工程学报. 2014(11)
[8]农业物联网研究与应用现状及发展对策研究[J]. 葛文杰,赵春江. 农业机械学报. 2014(07)
[9]基于机器视觉的玉米叶片透射图像特征识别研究[J]. 唐俊,邓立苗,陈辉,栾涛,马文杰. 中国农业科学. 2014(03)
[10]基于改进BP算法的玉米叶部病害图像识别研究[J]. 刘丽娟,刘仲鹏. 江苏农业科学. 2013(11)
博士论文
[1]基于数字图像的水稻氮磷钾营养诊断与建模研究[D]. 石媛媛.浙江大学 2011
硕士论文
[1]基于聚类的图像目标分割方法研究[D]. 王海鹰.西安电子科技大学 2014
[2]基于图像处理技术的温室黄瓜病害识别系统研究[D]. 董丕霞.沈阳工业大学 2013
[3]基于均值漂移和改进的蚁群聚类算法的图像分割[D]. 刘玲星.中南大学 2012
[4]基于图论理论的图像分割算法的研究[D]. 廖武忠.重庆大学 2012
[5]大豆叶片视觉信息提取及氮素缺超诊断模型研究[D]. 马莉莉.东北农业大学 2011
[6]基于阈值的图像分割算法的研究[D]. 刘东菊.北京交通大学 2009
[7]基于计算机视觉技术的黄瓜叶部病害自动诊断研究[D]. 岑喆鑫.中国农业科学院 2008
本文编号：3514657
本文链接：https://www.wllwen.com/nykjlw/dzwbhlw/3514657.html
最近更新
教材专著
