雜草識(shí)別中圖像特征的優(yōu)化及識(shí)別算法的研究.pdf

1、雜草識(shí)別分為圖像采集、圖像分割、模式識(shí)別、后續(xù)處理四個(gè)階段，本文以雜草識(shí)別中的圖像特征和算法為研究對(duì)象，結(jié)合雜草圖像的特點(diǎn)優(yōu)化圖像特征改善算法，從而提高了自然條件下田間雜草圖像的識(shí)別效果，這對(duì)提高自動(dòng)除草設(shè)備實(shí)用化圖像處理技術(shù)水平具有重要的理論意義和實(shí)際價(jià)值。主要研究?jī)?nèi)容為： (1)在分離植被區(qū)域和背景區(qū)域的圖像分割中，對(duì)于播種前植被只包括雜草的情況研究了用于紅色雜草識(shí)別的顏色特征。對(duì)于需要后續(xù)模式識(shí)別區(qū)分作物和雜草的情況，研究

2、了光照引起的顏色失真，提出基于二維直方圖的分割方法，新方法能更好的保留葉片的連通性和較好的修復(fù)葉片上的分割誤差。在分析了植被和背景的分布概率后，通過(guò)Bayes理論評(píng)價(jià)分割效果，將顏色特征和分割閾值等價(jià)為顏色空間中的一個(gè)分割面，再通過(guò)遺傳算法優(yōu)化得到新的分割特征-149R+218G-73B。在茄科作物及其伴生雜草的實(shí)驗(yàn)中，現(xiàn)有最廣泛使用的超綠特征的分割誤差為理論最小分割誤差的2.47倍，而新的分割特征降低為1.47倍。在棉田雜草圖像的識(shí)別

3、中，超綠特征和G特征的分割精度為84.69％和75.01％，而新的分割特征提高為91.67％。 (2)對(duì)于以區(qū)分作物和雜草為目的的模式識(shí)別，使用寬長(zhǎng)比、伸長(zhǎng)率、圓滿度和圓度四種形狀特征通過(guò)建立模糊識(shí)別器識(shí)別青椒和牛筋草、波斯婆婆納、澤漆三種雜草，對(duì)于單株植株葉片相互遮蓋不嚴(yán)重時(shí)取得了較好的效果。為選擇識(shí)別特征，建立了同時(shí)考慮識(shí)別率和處理時(shí)間的評(píng)價(jià)模型并對(duì)寬長(zhǎng)比、伸長(zhǎng)率、圓滿度和圓度四種形狀特征進(jìn)行選擇，得出對(duì)于實(shí)驗(yàn)中的圖像寬長(zhǎng)比

4、和圓度的組合效果最好。針對(duì)枝葉覆蓋嚴(yán)重的情況，在棉田雜草的識(shí)別中以植株為研究對(duì)象，提出基于骨架長(zhǎng)度和葉片面積比的識(shí)別算法。新算法受分割精度的影響小，不同分割結(jié)果在模式識(shí)別中都能得到較高的精度。若使用本課題優(yōu)化后提出的新分割特征-149R+218G-73B的分割結(jié)果進(jìn)行識(shí)別，作物和雜草的識(shí)別率分別達(dá)到82.77％和59.69％，而現(xiàn)有雜草識(shí)別算法無(wú)法在該情況下有效識(shí)別雜草。由于以植株為研究對(duì)象，不需考慮葉片相互覆蓋的情況，因此基于形態(tài)學(xué)特