基于图像检索的农作物叶部病害识别关键技术研究
发布时间：2021-12-23 14:41
农作物病害会导致农作物品质和产量的下降,给农民带来巨大的经济损失,及时识别和诊断农作物病害具有重要现实意义。基于图像检索的农作物病害识别由于结合了通用农作物病害识别技术和图像检索技术两者的优势,具有很高的实用价值和良好的应用前景。但仍存在一些问题:针对农作物病害图像检索识别中的病斑分割,现有研究多基于简单背景的病叶图像进行处理,对农田实际环境下获取的病害图像进行处理的研究相对较少;在病害图像特征提取方面,现有研究多使用传统底层视觉特征来描述病害图像中病斑的属性,忽视了更高层的图像信息;而在病害识别方面,现有利用图像检索技术的方法由于只利用了单一特征进行检索,无法全面完整地描述病害图像的属性,对病害识别和诊断的性能并不是很好。本论文针对上述问题,重点研究了农田实际环境下农作物叶部病害图像的病斑分割方法,并对病害图像更高层抽象特征的提取方法进行研究,最后利用图像检索融合的方法对病害进行识别和诊断,论文工作具体包括:1.采用两层框架对农田生产环境下获取的农作物叶部病害图像进行有效分割。利用显著性检测方法移除病害图像中的背景,该方法在去除多数背景的同时不会丢失病斑。对图像分割方法中的图论法、阈...
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：128 页
【学位级别】：博士
【部分图文】：
图１．２论文总体研宄路线图??割
在图像采集时，可以直接对病叶进行拍摄，也可以在病叶背面布以单色背景??进行拍摄以减少现场环境对后续图像分析的影响。本人对这两种采集方式都进行??了尝试，如图３．１前两幅为简单背景病害图像，其中病叶背面布有蓝色或黑色背??景，后两幅为复杂背景病害图像，其中病叶周围是现场环境中的杂乱背景。可以??３１??
其背景移除的准确度、精确度、召回率、Ｆ值均达到８０％以上。然而，对于??霜霉病图像的背景移除，基于显著性检测的方法没有文献［５１］中的方法的好。??为了更好地展示两种方法的性能，图３．４给出了利用两方法对病害图像进行??背景移除的结果。可以看到，利用文献［５１］方法对病害图像进行背景移除后，图??像中背景部分的很多绿色叶子被保留下来，被当作目标病叶，而这个比例平均达??到３３．７９％。这是由于ＥＸＧ与Ｏｔｓｕ结合的方法使得绿色部分更加突出。也正因??为如此，目标病叶中的部分病斑也被错误的移除了，这也为后续病斑分割积累了??误差。相反，基于显著性检测的方法能够移除大部分背景，且不会丢失太多病斑。??尽管仍存在一些干扰物，但可以在病斑提取阶段进一步移除。??３６??
【参考文献】：
期刊论文
[1]新型图像技术在农作物病害监测预警中的应用与展望[J]. 张艳,孟庆龙,尚静,吴行琼. 激光杂志. 2017(12)
[2]基于动态集成的黄瓜叶部病害识别方法[J]. 王志彬,王开义,王书锋,王晓锋,潘守慧. 农业机械学报. 2017(09)
[3]基于模糊C均值聚类的作物病害图像分割方法研究[J]. 齐国红,丁小娜,肖鑫. 智能计算机与应用. 2017(02)
[4]基于Android的自然背景下黄瓜霜霉病定量诊断系统[J]. 叶海建,郎睿. 农业机械学报. 2017(03)
[5]基于高光谱的春玉米大斑病害遥感监测指数选择[J]. 王利民,刘佳,邵杰,杨福刚,高建孟. 农业工程学报. 2017(05)
[6]基于图像处理的温室黄瓜霜霉病诊断系统[J]. 马浚诚,温皓杰,李鑫星,傅泽田,吕雄杰,张领先. 农业机械学报. 2017(02)
[7]基于改进级联神经网络的大豆叶部病害诊断模型[J]. 马晓丹,关海鸥,祁广云,刘刚,谭峰. 农业机械学报. 2017(01)
[8]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)
[9]基于多分类器融合的玉米叶部病害识别[J]. 许良凤,徐小兵,胡敏,王儒敬,谢成军,陈红波. 农业工程学报. 2015(14)
[10]基于同态滤波和K均值聚类算法的杨梅图像分割[J]. 徐黎明,吕继东. 农业工程学报. 2015(14)
博士论文
[1]纹理图像特征提取与分类研究[D]. 许文韬.华东师范大学 2017
[2]基于深度学习表征的图像检索技术[D]. 孙韶言.中国科学技术大学 2017
[3]多特征融合图像检索方法及其应用研究[D]. 刘爽.哈尔滨理工大学 2016
[4]基于光谱与光谱成像技术的油菜病害检测机理与方法研究[D]. 张初.浙江大学 2016
[5]基于机器学习的作物病害图像处理及病变识别方法研究[D]. 谭文学.北京工业大学 2016
[6]面向叶部病害识别的设施蔬菜监控视频关键帧提取方法研究[D]. 马浚诚.中国农业大学 2016
[7]稻曲病菌侵染水稻的行为研究[D]. 胡茂林.中国农业大学 2014
[8]基于内容图像检索的关键技术研究[D]. 齐恒.大连理工大学 2012
硕士论文
[1]视觉词袋模型的改进及其在图像分类中的应用[D]. 杨浩.兰州理工大学 2017
[2]基于显著性区域和基元共生矩阵特征的图像检索研究[D]. 张世波.安徽大学 2017
[3]几种聚类算法应用于图像分割的研究与比较[D]. 苗欣雨.长安大学 2016
[4]融合局部特征和全局特征的图像检索技术研究[D]. 刘雪亭.海南大学 2016
[5]基于词袋模型的图像分类的研究[D]. 张青.浙江理工大学 2016
[6]基于GA-BP神经网络的温室番茄病害诊断研究[D]. 米雅婷.东北林业大学 2016
[7]基于改进词袋模型的图像分类算法研究[D]. 徐通.上海师范大学 2016
[8]基于词向量的短文本分类方法研究[D]. 江大鹏.浙江大学 2015
[9]基于词袋模型的物体识别方法研究[D]. 齐梅.合肥工业大学 2014
[10]基于红外热成像技术的植物病害早期检测的研究[D]. 徐小龙.浙江大学 2012
本文编号：3548667
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：128 页
【学位级别】：博士
【部分图文】：
图１．２论文总体研宄路线图??割
在图像采集时，可以直接对病叶进行拍摄，也可以在病叶背面布以单色背景??进行拍摄以减少现场环境对后续图像分析的影响。本人对这两种采集方式都进行??了尝试，如图３．１前两幅为简单背景病害图像，其中病叶背面布有蓝色或黑色背??景，后两幅为复杂背景病害图像，其中病叶周围是现场环境中的杂乱背景。可以??３１??
其背景移除的准确度、精确度、召回率、Ｆ值均达到８０％以上。然而，对于??霜霉病图像的背景移除，基于显著性检测的方法没有文献［５１］中的方法的好。??为了更好地展示两种方法的性能，图３．４给出了利用两方法对病害图像进行??背景移除的结果。可以看到，利用文献［５１］方法对病害图像进行背景移除后，图??像中背景部分的很多绿色叶子被保留下来，被当作目标病叶，而这个比例平均达??到３３．７９％。这是由于ＥＸＧ与Ｏｔｓｕ结合的方法使得绿色部分更加突出。也正因??为如此，目标病叶中的部分病斑也被错误的移除了，这也为后续病斑分割积累了??误差。相反，基于显著性检测的方法能够移除大部分背景，且不会丢失太多病斑。??尽管仍存在一些干扰物，但可以在病斑提取阶段进一步移除。??３６??
【参考文献】：
期刊论文
[1]新型图像技术在农作物病害监测预警中的应用与展望[J]. 张艳,孟庆龙,尚静,吴行琼. 激光杂志. 2017(12)
[2]基于动态集成的黄瓜叶部病害识别方法[J]. 王志彬,王开义,王书锋,王晓锋,潘守慧. 农业机械学报. 2017(09)
[3]基于模糊C均值聚类的作物病害图像分割方法研究[J]. 齐国红,丁小娜,肖鑫. 智能计算机与应用. 2017(02)
[4]基于Android的自然背景下黄瓜霜霉病定量诊断系统[J]. 叶海建,郎睿. 农业机械学报. 2017(03)
[5]基于高光谱的春玉米大斑病害遥感监测指数选择[J]. 王利民,刘佳,邵杰,杨福刚,高建孟. 农业工程学报. 2017(05)
[6]基于图像处理的温室黄瓜霜霉病诊断系统[J]. 马浚诚,温皓杰,李鑫星,傅泽田,吕雄杰,张领先. 农业机械学报. 2017(02)
[7]基于改进级联神经网络的大豆叶部病害诊断模型[J]. 马晓丹,关海鸥,祁广云,刘刚,谭峰. 农业机械学报. 2017(01)
[8]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)
[9]基于多分类器融合的玉米叶部病害识别[J]. 许良凤,徐小兵,胡敏,王儒敬,谢成军,陈红波. 农业工程学报. 2015(14)
[10]基于同态滤波和K均值聚类算法的杨梅图像分割[J]. 徐黎明,吕继东. 农业工程学报. 2015(14)
博士论文
[1]纹理图像特征提取与分类研究[D]. 许文韬.华东师范大学 2017
[2]基于深度学习表征的图像检索技术[D]. 孙韶言.中国科学技术大学 2017
[3]多特征融合图像检索方法及其应用研究[D]. 刘爽.哈尔滨理工大学 2016
[4]基于光谱与光谱成像技术的油菜病害检测机理与方法研究[D]. 张初.浙江大学 2016
[5]基于机器学习的作物病害图像处理及病变识别方法研究[D]. 谭文学.北京工业大学 2016
[6]面向叶部病害识别的设施蔬菜监控视频关键帧提取方法研究[D]. 马浚诚.中国农业大学 2016
[7]稻曲病菌侵染水稻的行为研究[D]. 胡茂林.中国农业大学 2014
[8]基于内容图像检索的关键技术研究[D]. 齐恒.大连理工大学 2012
硕士论文
[1]视觉词袋模型的改进及其在图像分类中的应用[D]. 杨浩.兰州理工大学 2017
[2]基于显著性区域和基元共生矩阵特征的图像检索研究[D]. 张世波.安徽大学 2017
[3]几种聚类算法应用于图像分割的研究与比较[D]. 苗欣雨.长安大学 2016
[4]融合局部特征和全局特征的图像检索技术研究[D]. 刘雪亭.海南大学 2016
[5]基于词袋模型的图像分类的研究[D]. 张青.浙江理工大学 2016
[6]基于GA-BP神经网络的温室番茄病害诊断研究[D]. 米雅婷.东北林业大学 2016
[7]基于改进词袋模型的图像分类算法研究[D]. 徐通.上海师范大学 2016
[8]基于词向量的短文本分类方法研究[D]. 江大鹏.浙江大学 2015
[9]基于词袋模型的物体识别方法研究[D]. 齐梅.合肥工业大学 2014
[10]基于红外热成像技术的植物病害早期检测的研究[D]. 徐小龙.浙江大学 2012
本文编号：3548667
本文链接：https://www.wllwen.com/nykjlw/dzwbhlw/3548667.html
最近更新
教材专著
