小麦病害图像特征提取与识别方法研究

发布时间：2022-02-24 15:30

　　小麦是世界四大粮食作物之一,在我国居民的主食消费结构中占有重要的地位。基于图像分析的小麦叶部病害识别,对于小麦病害的防治、农药的定点定量喷洒等具有重要的意义。本研究针对小麦叶部病斑特征的提取和筛选问题,以小麦白粉病、条锈病、叶锈病和秆锈病为研究对象,研究病害图像的分割、特征提取和分类识别的方法和技术。论文的主要内容如下:小麦叶部病害图像预处理和分割算法的研究。针对获取到的小麦叶部病害图像的噪声问题,研究中值滤波方法和小波变换方法的去噪效果,选择合适的颜色空间,研究基于k-means的小麦叶部病害图像分割方法。小麦叶部病害特征参数的提取。针对小麦叶部病害图像的颜色特点,结合前人的颜色特征提取方法,构造新的颜色特征参数,研究RGB空间的颜色特征提取方法。基于灰度共生矩阵、Gabor小波变换方法提取小麦叶部病害的纹理特征参数,基于Hu不变矩方法和几何特征参数提取叶部病害的形状特征参数,得到一个69维的初始特征空间。小麦叶部病害的特征参数选择。由于初始空间的维数较大,需要对特征空间进行降维处理。当样本数值在某一特征上存在交叉时,采用传统的统计分析方法难以对其进行有效筛选,本文设计了一种Vari... 

【文章来源】：安徽农业大学安徽省

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
第一章 绪论
    1.1 研究目的和意义
    1.2 国内外研究现状
        1.2.1 农作物病害特征提取研究现状
        1.2.2 农作物病害特征选择研究现状
    1.3 研究内容
第二章 小麦叶部病斑图像分割
    2.1 小麦叶部主要病害及图像获取
    2.2 彩色图像预处理
        2.2.1 中值滤波方法
        2.2.2 小波变换方法
        2.2.3 预处理结果
    2.3 彩色图像分割
        2.3.1 颜色空间选择
        2.3.2 k-means算法
        2.3.3 采用k-means算法图像分割
    2.4 本章小结
第三章 小麦叶部病害特征提取
    3.1 颜色特征
        3.1.1 颜色矩特征提取
        3.1.2 构造的颜色参数
    3.2 纹理特征提取
        3.2.1 灰度共生矩阵提取特征
        3.2.2 Gabor小波变换特征
        3.2.3 病害纹理特征提取
    3.3 几何形状特征
        3.3.1 构造的形状特征参数
        3.3.2 不变矩特征
        3.3.3 小麦病害的形状特征提取
    3.4 本章小结
第4章 小麦叶部病害特征筛选
    4.1 数据归一化
    4.2 特征抽取
        4.2.1 PCA降维
        4.2.2 LDA降维方法
    4.3 特征选择算法
        4.3.1 评价函数
        4.3.2 SFFS特征搜索算法
    4.4 小麦叶部病害有效特征提取及分析
        4.4.1 基于PCA的小麦叶部病害特征提取实验及分析
        4.4.2 基于LDA的小麦叶部病害特征提取实验及分析
        4.4.3 基于variance-SFFS的小麦叶部病害特征选择
    4.5 本章小结
第五章 小麦叶部病害识别
    5.1 图像分类识别方法
    5.2 支持向量机
        5.2.1 支持向量机概述
        5.2.2 多分类支持向量机模型
    5.3 叶部病害分类识别结果及分析
    5.4 本章小结
第六章 总结与展望
参考文献
个人简介
在读期间发表的论文及科研成果清单



本文编号：3643011