温室黄瓜病害图像识别方法研究及应用
发布时间：2021-09-27 19:16
随着计算机技术和图像处理技术的发展,农作物病害的自动识别已成为研究热点。将图像识别技术运用在病害诊断中,除解决劳动力短缺外,对提高农作物的产量和质量,降低经济成本以及促进中国现代农业发展也具有重要意义。本文基于四川省教育厅2017年研究项目《基于图像处理的农作物病害智能诊断系统——温室黄瓜病害图像自动识别子系统研究与设计》的研究成果,利用数字图像处理、模式识别以及软件技术,研究了温室大棚黄瓜常见的三种病害图像预处理、病斑分割、特征提取和病害识别的关键算法,并构建了黄瓜病害识别系统。本研究的主要工作如下:（1）使用分段线性变换将采集的RGB图像调整为没有颜色信息干扰的灰度图像,然后通过直方图均衡化计算对图像中灰度级进行展宽或压缩,提高图像的清晰度。最后利用噪声分析,在传统的中值滤波的基础上改进算法,提出了一种自适应的中值滤波算法,更高概率过滤脉冲噪声。实验表明,本文方法能较好地完成图像预处理,使图像在去除噪声的同时更好地保持图像清晰,保留细节边缘。（2）提出了采用直方图阈值分割法,选择合适的阈值,将病斑图像与正常图像分离。实验表明,该方法能够有效地去除复杂背景,减少对病斑图像的干扰,获取...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
实验采集病害图像样本
第三章图像预处理与分割设计13图3-2灰度分段线性变换图(a)(b)图3-3灰度变化结果对比(a)原图；(b)灰度变化之后的图3.1.1.2直方图均衡化处理灰度直方图表示图像中每种灰度值出现的次数或概率，是图像各灰度值统计特性与值的函数，体现出一种灰度分布[17]。x轴表示灰度值,取值范围在0-255，0表示最暗，255表示最亮，从左往右灰度变化由暗变亮，y轴表示图像中每个灰度值对应的像素的数量。由于不同图像的灰度分布不同，因此直方图也各不相同，直方图会产生峰值，即像素数量最多的灰度等级对应的y轴的值。如果图像偏亮，则峰值在右侧；反之，如果图像较暗，则峰值在左侧；如果图像的灰度分布相对均匀，则图像中包含的信息量越大，图像的画面效果越好[18-19]。直方图能够对各类灰度等级分布情况进行详细的概率显示。通常情况下，图
第三章图像预处理与分割设计13图3-2灰度分段线性变换图(a)(b)图3-3灰度变化结果对比(a)原图；(b)灰度变化之后的图3.1.1.2直方图均衡化处理灰度直方图表示图像中每种灰度值出现的次数或概率，是图像各灰度值统计特性与值的函数，体现出一种灰度分布[17]。x轴表示灰度值,取值范围在0-255，0表示最暗，255表示最亮，从左往右灰度变化由暗变亮，y轴表示图像中每个灰度值对应的像素的数量。由于不同图像的灰度分布不同，因此直方图也各不相同，直方图会产生峰值，即像素数量最多的灰度等级对应的y轴的值。如果图像偏亮，则峰值在右侧；反之，如果图像较暗，则峰值在左侧；如果图像的灰度分布相对均匀，则图像中包含的信息量越大，图像的画面效果越好[18-19]。直方图能够对各类灰度等级分布情况进行详细的概率显示。通常情况下，图
【参考文献】：
期刊论文
[1]一种基于模糊C均值聚类的多阈值苹果病害图像分割方法[J]. 贾庆节,齐国红,忽晓伟. 智能计算机与应用. 2019(02)
[2]基于颜色特征的水稻病害图像分割方法研究[J]. 苏博妮,化希耀,范振岐. 计算机与数字工程. 2018(08)
[3]基于MATLAB的图像处理空间域滤波研究[J]. 苏婕,于莲芝. 软件导刊. 2017(08)
[4]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)
[5]基于Android的水稻病害图像识别系统设计与应用[J]. 郑姣,刘立波. 计算机工程与科学. 2015(07)
[6]基于Android的水稻害虫诊断系统[J]. 张谷丰,罗岗,孙雪梅,易红娟. 应用昆虫学报. 2015(04)
[7]作物病害图像形状特征提取研究[J]. 毋媛媛,刁智华,王会丹,赵明珍,魏伟. 农机化研究. 2015(01)
[8]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)
[9]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)
[10]农作物病虫害图像识别技术的研究综述[J]. 汪京京,张武,刘连忠,黄帅. 计算机工程与科学. 2014(07)
博士论文
[1]国家岩矿化石标本资源共享平台研究及应用[D]. 吴志远.中国地质大学(北京) 2015
硕士论文
[1]基于Android的水稻病虫害图像识别与诊断系统的研究[D]. 张永玲.浙江理工大学 2018
[2]基于图像处理的黄瓜叶部病害识别研究[D]. 李旺.湖南农业大学 2013
[3]基于Android的水稻害虫图像采集与识别系统研究[D]. 姜慧.浙江理工大学 2013
本文编号：3410481
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
实验采集病害图像样本
第三章图像预处理与分割设计13图3-2灰度分段线性变换图(a)(b)图3-3灰度变化结果对比(a)原图；(b)灰度变化之后的图3.1.1.2直方图均衡化处理灰度直方图表示图像中每种灰度值出现的次数或概率，是图像各灰度值统计特性与值的函数，体现出一种灰度分布[17]。x轴表示灰度值,取值范围在0-255，0表示最暗，255表示最亮，从左往右灰度变化由暗变亮，y轴表示图像中每个灰度值对应的像素的数量。由于不同图像的灰度分布不同，因此直方图也各不相同，直方图会产生峰值，即像素数量最多的灰度等级对应的y轴的值。如果图像偏亮，则峰值在右侧；反之，如果图像较暗，则峰值在左侧；如果图像的灰度分布相对均匀，则图像中包含的信息量越大，图像的画面效果越好[18-19]。直方图能够对各类灰度等级分布情况进行详细的概率显示。通常情况下，图
第三章图像预处理与分割设计13图3-2灰度分段线性变换图(a)(b)图3-3灰度变化结果对比(a)原图；(b)灰度变化之后的图3.1.1.2直方图均衡化处理灰度直方图表示图像中每种灰度值出现的次数或概率，是图像各灰度值统计特性与值的函数，体现出一种灰度分布[17]。x轴表示灰度值,取值范围在0-255，0表示最暗，255表示最亮，从左往右灰度变化由暗变亮，y轴表示图像中每个灰度值对应的像素的数量。由于不同图像的灰度分布不同，因此直方图也各不相同，直方图会产生峰值，即像素数量最多的灰度等级对应的y轴的值。如果图像偏亮，则峰值在右侧；反之，如果图像较暗，则峰值在左侧；如果图像的灰度分布相对均匀，则图像中包含的信息量越大，图像的画面效果越好[18-19]。直方图能够对各类灰度等级分布情况进行详细的概率显示。通常情况下，图
【参考文献】：
期刊论文
[1]一种基于模糊C均值聚类的多阈值苹果病害图像分割方法[J]. 贾庆节,齐国红,忽晓伟. 智能计算机与应用. 2019(02)
[2]基于颜色特征的水稻病害图像分割方法研究[J]. 苏博妮,化希耀,范振岐. 计算机与数字工程. 2018(08)
[3]基于MATLAB的图像处理空间域滤波研究[J]. 苏婕,于莲芝. 软件导刊. 2017(08)
[4]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)
[5]基于Android的水稻病害图像识别系统设计与应用[J]. 郑姣,刘立波. 计算机工程与科学. 2015(07)
[6]基于Android的水稻害虫诊断系统[J]. 张谷丰,罗岗,孙雪梅,易红娟. 应用昆虫学报. 2015(04)
[7]作物病害图像形状特征提取研究[J]. 毋媛媛,刁智华,王会丹,赵明珍,魏伟. 农机化研究. 2015(01)
[8]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)
[9]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)
[10]农作物病虫害图像识别技术的研究综述[J]. 汪京京,张武,刘连忠,黄帅. 计算机工程与科学. 2014(07)
博士论文
[1]国家岩矿化石标本资源共享平台研究及应用[D]. 吴志远.中国地质大学(北京) 2015
硕士论文
[1]基于Android的水稻病虫害图像识别与诊断系统的研究[D]. 张永玲.浙江理工大学 2018
[2]基于图像处理的黄瓜叶部病害识别研究[D]. 李旺.湖南农业大学 2013
[3]基于Android的水稻害虫图像采集与识别系统研究[D]. 姜慧.浙江理工大学 2013
本文编号：3410481
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3410481.html
