玉米大豆水稻图像识别方法研究

发布时间：2017-12-08 13:26

  本文关键词：玉米大豆水稻图像识别方法研究

  更多相关文章： 图像识别 特征提取 卷积神经网络

【摘要】：在这个信息化的新时代,随着数字图像处理技术的迅速发展,计算机机器视觉技术被应用于很多领域,并且未来的发展潜力巨大。特别是在搜索引擎方面,传统的关键字检索已不能适应于人们日益增长的需求,而图像能够直观的反映大量的信息,因此图像搜索引擎变得更加重要。图像识别是图像搜索引擎的重要技术,尤其在农业领域,利用计算机机器视觉和图像处理技术对叶片进行识别分类已逐步得到应用。本研究以东北地区主要作物玉米、大豆和水稻为实验研究对象,以黑龙江八一农垦大学试验田为数据采集区,运用机器视觉与图像处理技术对采集的玉米、大豆及水稻图像进行分析并加以理解,实现识别分类目标。本研究做了以下几方面工作:(1)首先了解玉米、大豆和水稻生长相关知识,选定图像采集时期和硬件设备,对玉米、大豆和水稻进行图像采集;利用非线性变换和中值滤波方法对农作物图像预处理,从而削弱图像中存在的噪声;再根据图像的特征,选用K-均值聚类方法分割图像,获得目标图像。(2)提取的特征向量识别分类。先对分割后的图像提取特征参数,采用HSV颜色模型获取图像的4种颜色特征,使用Hu矩获取图像的7种形状特征,采用灰度共生矩阵获取图像9种纹理特征,利用LLE流形算法对图像数据降维,提取3维特征,由这四类共23种特征构成特征向量,最后使用BP神经网络、Elman神经网络和FCM聚类算法将该特征向量识别分类。(3)对二维图像直接进行识别。采用卷积神经网络,以原始图像作为输入直接进行识别。对批训练样本数、迭代次数和训练集进行优化,在批训练样本数设置为10、迭代次数设置为200时,正识率高达100%。实验结果表明,对提取的特征进行识别的三种算法中,BP神经网络的识别率和训练性能较好;对原始图像直接进行识别的卷积神经网络不仅识别率高,而且图像可以直接作为网络的输入,不用再对图像预处理和提取特征。
【学位授予单位】：黑龙江八一农垦大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S513;S565.1;TP391.41

【相似文献】

中国期刊全文数据库 前10条

1 司秀丽;吴巍;赵新子;彭占武;袁洪印;;玉米种子纯度的计算机图像识别[J];吉林农业大学学报;2005年06期

2 彭艺;黄小华;;基于图像识别的边坡表面位移检测方法研究[J];农业网络信息;2012年06期

3 邓继忠;李敏;袁之报;黄华盛;王张;;基于图像识别的小麦腥黑穗病害诊断技术研究[J];东北农业大学学报;2012年05期

4 钱建平;李明;杨信廷;吴保国;张勇;王衍安;;基于双侧图像识别的单株苹果树产量估测模型[J];农业工程学报;2013年11期

5 谈蓉蓉;;基于支持向量机分类的图像识别研究[J];安徽农业科学;2010年26期

6 郑永军;吴刚;王一鸣;毛文华;;基于模糊模式的蝗虫图像识别方法[J];农业工程学报;2010年S2期

7 董坦坦;姬长英;周俊;邵云涟;黄浩乾;;成熟番茄的图像识别及其位姿的获取研究[J];江西农业学报;2009年08期

8 孔春元;王春耀;闵磊;张强;陈艳;;基于Matlab对成熟番茄RGB阈值的确定[J];农机化研究;2008年12期

9 杨眉;魏鸿磊;华顺刚;;一种基于神经网络的扇贝图像识别方法[J];大连海洋大学学报;2014年01期

10 李冠林;马占鸿;王海光;;基于支持向量机的小麦条锈病和叶锈病图像识别[J];中国农业大学学报;2012年02期

中国重要会议论文全文数据库 前10条

1 高晓丁;左贺;高鹏;;基于图像识别的多套色印花对花定位技术研究[A];佶龙杯第四届全国印花学术研讨会论文集[C];2009年

2 郭艳;王萍;朱国;;基于图像识别的射击自动报靶系统[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

3 姜洪臣;任晓磊;赵耀宏;徐波;;基于音频语谱图像识别的广告检索[A];第十一届全国人机语音通讯学术会议论文集（二）[C];2011年

4 姜洪臣;任晓磊;赵耀宏;徐波;;基于音频语谱图像识别的广告检索技术[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

5 刘翠响;孙以材;张艳;于明;;基于三控制要素的多项式模糊拟合在人脸图像识别中的应用[A];第25届中国控制会议论文集（下册）[C];2006年

6 林达宜;邱利松;张莎;;物联网发展与图像识别[A];2012全国无线及移动通信学术大会论文集（上）[C];2012年

7 王利强;张红梅;;储粮害虫图像识别知识库研究[A];计算机研究新进展（2010）——河南省计算机学会2010年学术年会论文集[C];2010年

8 俞建荣;卜凡亮;李文力;陆晓军;;流化床气泡运动的图像识别与分析[A];第三届全国信息获取与处理学术会议论文集[C];2005年

9 李灵;;情景智能图像识别和数字化处理技术在型式评价试验中的运用[A];2013年江苏省计量测试学会学术会议论文集[C];2013年

10 于丽颖;;图像识别方法技术分析与应用[A];第24届全国煤矿自动化与信息化学术会议暨第6届中国煤矿信息化与自动化高层论坛论文集[C];2014年

中国重要报纸全文数据库 前10条

1 记者 郑晓春;以开发出计算机图像识别新技术[N];科技日报;2007年

2 沈晓光邋编译;半导体技术向低耗能发展[N];中国电子报;2008年

3 记者 李红;法研究出图像识别软件[N];科技日报;2000年

4 海言;慧视：让电脑“识文断字”[N];科技日报;2007年

5 田梦;PDF图像识别助推电子政务[N];计算机世界;2007年

6 比尔·盖茨;软件边界不断改变令人兴奋[N];中国电子报;2008年

7 宋辉;摆脱束缚慧视展现新的生活体验[N];中国企业报;2004年

8 本报记者 汤铭;认知计算，未来计算[N];计算机世界;2013年

9 冯逊;埃及金字塔人类史上最大的谜[N];大众科技报;2010年

10 本报记者 杨学聪 闫静;触碰“最未来”的生活[N];经济日报;2014年

中国博士学位论文全文数据库 前10条

1 刘军;人脸图像识别关键技术的研究[D];北京邮电大学;2015年

2 柳杨;面向图像识别的稀疏模型研究[D];北京邮电大学;2015年

3 耿庆田;基于图像识别理论的智能交通系统关键技术研究[D];吉林大学;2016年

4 王宇新;基于特征分布的图像识别方法研究与应用[D];大连理工大学;2012年

5 陈健美;基于密度聚类和多特征融合的医学图像识别研究[D];江苏大学;2008年

6 冉瑞生;一些矩阵计算问题及其在图像识别中的应用研究[D];电子科技大学;2006年

7 李雅梅;南宋川南墓葬石刻艺术与计算机图像识别应用的研究[D];重庆大学;2008年

8 侯书东;基于相关投影分析的特征提取研究及在图像识别中的应用[D];南京理工大学;2012年

9 吴萌;多尺度表达和正则化方法在图像识别中的研究与应用[D];上海交通大学;2014年

10 谢铉洋;SARS医学图像识别与辅助诊断研究[D];中国科学技术大学;2006年

中国硕士学位论文全文数据库 前10条

1 王明静;蚁群算法在图像识别中的应用研究[D];西安石油大学;2015年

2 刘宜阔;热光关联图像识别的研究[D];河北大学;2015年

3 田湘源;基于图像识别的中国画真伪鉴别方法研究[D];西安建筑科技大学;2015年

4 任皓;基于图像识别的PCB焊接质量检测技术的研究[D];天津理工大学;2015年

5 王倩;基于图像识别的油画真伪鉴别方法研究[D];西安建筑科技大学;2015年

6 余征;基于Hadoop的人脸图像识别并行处理方法研究与实现[D];西南交通大学;2015年

7 马爽;基于图像识别的教室照明节能系统的技术研究[D];沈阳理工大学;2015年

8 李义;基于相关学习神经网络的图像识别方法研究[D];哈尔滨工业大学;2015年

9 李东;基于群智能算法优化的超声乳腺肿瘤图像识别[D];第四军医大学;2015年

10 林开彬;基于图像识别的无纸化阅卷空白题识别技术研究[D];贵州师范大学;2015年

，

本文编号：1266551