基于機器視覺的雜草識別圖像處理技術(shù)研究.pdf

1、農(nóng)田雜草是農(nóng)業(yè)生產(chǎn)的大敵，也是困擾農(nóng)作物生長的基本問題之一。本文以機器視覺為主要技術(shù)手段，綜合運用圖像處理學(xué)，模式識別等方面的知識，以棉花作物及雜草為研究對象，重點對自然光照條件下獲取的雜草葉子進行邊緣檢測和分割方面的研究。 針對后續(xù)處理需要利用顏色特征，本文運用彩色圖像濾波對原始圖像進行預(yù)處理，通過試驗比較了彩色圖像矢量中值濾波和彩色圖像標(biāo)量中值濾波的優(yōu)劣，綜合考慮圖像預(yù)處理效果和處理速度，通過試驗表明，彩色圖像標(biāo)量濾波優(yōu)于矢

2、量濾波；利用呂明忠等人提出的基于色差思想，即通過像素之間的顏色梯度(色差)而不僅僅是灰度梯度來檢測邊緣，在對顏色空間和傳統(tǒng)邊緣檢測算子進行了分析研究基礎(chǔ)上，提出了HIS模式下的色差邊緣檢測方法，本方法將三維搜索問題轉(zhuǎn)化為三個一維搜索，大大減輕了計算量和算法的復(fù)雜度，較好的檢測葉片的邊緣，而且本方法利用顏色信息，可以較清楚的檢測出葉子覆蓋部分的邊緣；作者對直方圖法、最大熵法、模糊集方法、最大類間方差法進行了分析研究，在滿足目標(biāo)的亮度要高于

3、背景亮度的條件下，用改進的最大類間方差法對常見的田間雜草藜進行試驗，實驗結(jié)果表明改進的最大類間方差法得到了較好的分割效果，能很好滿足本課題的要求；對不能滿足目標(biāo)的亮度要高于背景亮度的這個條件的圖像，采用基于顏色特征的直方圖閾值法，用該方法對燈籠草用進行圖像分割，得到了很好的分割效果；對二值圖像上出現(xiàn)的非目標(biāo)物和目標(biāo)物上的斑點，作者運用形態(tài)學(xué)方法進行了處理。本文主要對雜草葉子的邊緣檢測和分割進行了研究，為以后的雜草識別及智能除草提供了必要