基于機(jī)器視覺的作物分類面積地面調(diào)查系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、將機(jī)器視覺技術(shù)應(yīng)用于作物面積測量對于提高大尺度作物面積地面調(diào)查系統(tǒng)的效率，減少主觀人為因素的影響具有重要意義。本文通過對國內(nèi)外大尺度作物地面調(diào)查技術(shù)發(fā)展現(xiàn)狀的深入剖析，提出用視覺測距和圖像識別技術(shù)提取視頻幀內(nèi)作物分類面積，然后結(jié)合基于樣條采樣的統(tǒng)計(jì)抽樣理論，推算縣域級作物分類面積的方法，并在此基礎(chǔ)上設(shè)計(jì)和開發(fā)了基于機(jī)器視覺的車載作物面積地面調(diào)查系統(tǒng)。論文的主要研究內(nèi)容如下： 1.研究了能適應(yīng)室外大光照變化條件的動態(tài)圖像采集和快速

2、預(yù)處理算法，提出了采用自適應(yīng)調(diào)節(jié)光圈算法改善所采集圖像質(zhì)量和基于快速矢量中值濾波的預(yù)處理算法降低運(yùn)算復(fù)雜度的方法。 2.提出了通過試驗(yàn)建立測距模型的方法，并對模型的求解方法進(jìn)行了研究，確立了適合移動狀態(tài)的垂直視野測量模型。 3.針對拍攝冬小麥和苗期玉米時，圖像均為特定俯角下的斜視遠(yuǎn)景，分析了這兩種作物圖像中由行間距分布和葉片交疊形成的統(tǒng)計(jì)紋理，提出了基于紋理和顏色混合特征提取的分類識別算法，并以所設(shè)計(jì)的Fisher分類器

3、和神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行了分類實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，該算法能夠較好地區(qū)分玉米和冬小麥。 4.開發(fā)了基于機(jī)器視覺的車載作物面積地面調(diào)查系統(tǒng)，確立了主要由視覺測距、圖像識別和抽樣統(tǒng)計(jì)三大模塊組成的系統(tǒng)框架，并進(jìn)行了系統(tǒng)硬件的選型配置和軟件功能模塊的設(shè)計(jì)。 5.為滿足不同層次用戶對作物分類面積的需求，利用樣條采樣方法設(shè)計(jì)了基于縣域級的采樣框架，并以通州為試驗(yàn)對象，利用所開發(fā)的作物面積車載測算系統(tǒng)(CAOES)實(shí)施了采樣和作物面積估算