面向雜草識別的特征提取方法研究.pdf

1、加大力度推進精準化農(nóng)業(yè)已是農(nóng)業(yè)進步的必然走向，而雜草是阻礙農(nóng)業(yè)向前發(fā)展的重要因素。為了在除草中使除草劑的精準變量噴灑變成現(xiàn)實，以圖像處理技術為基礎的雜草識別已經(jīng)變成了雜草識別研究的重點?；跈C器視覺技術的雜草識別過程中，特征提取作為其中的一個關鍵步驟，其對最后的識別效果具有一定的影響，單一特征無法準確識別田地中的多類別雜草。因此，研究多類別特征融合的雜草識別技術具有重要的理論與現(xiàn)實意義。
　　本文針對基于多特征融合技術的雜草識別問

2、題，做了如下工作:
　　首先，雜草圖像分割。首先對雜草（如打碗花、反枝莧、苣荬菜、皺果莧和鱧腸）葉片圖像進行灰度化處理，通過對平均值法、加權平均值法、最大值法處理后比較它們的處理結果，本文運用加權平均法將彩色圖像變?yōu)榛叶葓D像，再運用中值濾波法進行平滑濾波處理;然后，再運用灰度直方圖、最大類間方差法和最大熵閾值法對灰度圖像進行分割，根據(jù)結果得出最大閾值法分割出的圖像最好，所以運用最大閾值法進行分割灰度圖像;最后，本文分別運用Sobe

3、l算子、Roberts算子、高斯濾波(LOG)算子、Prewitt算子和Canny算子進行邊緣檢測處理，實驗效果表明σ=2的高斯濾波算子邊緣檢測處理的結果更好，因此本文選擇σ=2時的LOG算子進行圖像邊緣檢測。
　　其次，多類別特征的提取和融合。在顏色特征提取中，通過比較分析，HSI顏色空間中S成分的一階矩、二階矩和三階矩作為雜草圖像顏色類別特征;在形狀特征提取中，通過對比分析，灰度空間中矩形度、寬長比、球狀性和圓形度作為雜草圖像

4、形狀類別特征;在紋理特征提取中，通過對比分析，灰度空間下灰度共生矩陣的能量、相關性和熵作為雜草圖像紋理類別特征。然后本文采用相關保留與主成分分析相結合的降維技術對特征空間降維融合，根據(jù)特征參數(shù)的相關系數(shù)矩陣保留相關系數(shù)小于0.7的特征參數(shù)，特征參數(shù)為對比度，相關性，二階矩，然后采用主成分分析對剩余特征參數(shù)進行降維融合，獲取兩個主成分，將兩個主成分與對比度，相關性，二階矩組成識別雜草的特征空間。
　　最后，針對5類雜草的200個樣本

5、，其中160個樣本作為訓練集，40個樣本作為測試集，采用基于局部權重k-近質(zhì)心近鄰分類算法與其他傳統(tǒng)方法進行雜草識別的對比性試驗。對比性試驗分別在5種雜草，3種雜草和兩種雜草的情況下進行，在這3種情況下，本文提出方法在三種條件下的雜草識別率分別為88％，87.5％和86.5％，高于傳統(tǒng)方法的在相同條件下的最高雜草識別率。
　　基于多特征融合的雜草識別方法能夠解決棉花田地中的多類別雜草識別問題。此方法也可以被應用到其它田地中的多類別