基于數(shù)學(xué)形態(tài)學(xué)稻種紋理特征提取與識(shí)別研究.pdf

1、水稻是我國(guó)重要的糧食作物之一,種子的質(zhì)量是影響水稻產(chǎn)量的一個(gè)重要因素。純度是種子最主要的質(zhì)量指標(biāo),品種純度對(duì)作物產(chǎn)量有明顯的影響。目前,品種純度的鑒定主要是用化學(xué)的方法和田間種植方法進(jìn)行檢測(cè),雖然可以達(dá)到檢測(cè)純度的目的,但都需要通過人工檢測(cè)來(lái)完成,且需要花費(fèi)大量的財(cái)力和物力,還浪費(fèi)時(shí)間。尋找一種既可以快速檢測(cè)、又能實(shí)現(xiàn)準(zhǔn)確檢測(cè)目的的方法對(duì)農(nóng)村、農(nóng)業(yè),農(nóng)民來(lái)說是非常重要的,同時(shí)也是實(shí)現(xiàn)增產(chǎn)增收和農(nóng)業(yè)現(xiàn)代化所必需的。稻種紋理特征在稻種品種群

2、中顯示出明顯的個(gè)性差異性及遺傳特性,有效地提取并識(shí)別這一特征對(duì)稻種品種識(shí)別及稻種紋理遺傳規(guī)律的研究具有重要意義。本文以十二種稻谷品種為研究對(duì)象,以計(jì)算機(jī)、CMOS、光學(xué)鏡頭、電動(dòng)平臺(tái)以及自動(dòng)可調(diào)光源為實(shí)驗(yàn)工具,綜合運(yùn)用圖像處理技術(shù)和多元統(tǒng)計(jì)方法,研究了基于數(shù)學(xué)形態(tài)學(xué)稻種圖像紋理特征的提取與品種識(shí)別的方法。
　　 論文的主要研究?jī)?nèi)容與結(jié)論如下:
　　 (1)搭建了基于數(shù)學(xué)形態(tài)學(xué)稻種圖像紋理特征的提取與品種識(shí)別的機(jī)器視覺系統(tǒng)

3、,系統(tǒng)由HDL-Ⅰ型單孔鹵素?zé)衾涔庠?、顯微數(shù)字?jǐn)z像機(jī)、單筒連變顯微鏡、電動(dòng)控制平臺(tái)、計(jì)算機(jī)五部分組成。整個(gè)系統(tǒng)輕便實(shí)用,采集的紋理圖像質(zhì)量良好。
　　 (2)根據(jù)采集的紋理圖像噪聲多、光照不均勻等特點(diǎn),探討了多種圖像預(yù)算處理算法改善紋理圖像質(zhì)量,并結(jié)合多聚焦稻谷紋理圖像融合技術(shù),找出突顯稻種紋理特征的數(shù)字圖像處理方法。文中對(duì)稻種紋理圖像進(jìn)行了二值分割,從圖中分離出紋理的形態(tài)特征,并進(jìn)行形態(tài)學(xué)細(xì)化和修剪處理,便于觀察紋理的形態(tài)特點(diǎn)

4、。
　　 (3)針對(duì)傳統(tǒng)的灰度共生矩陣、經(jīng)典的Gabor小波變換和雙樹復(fù)小波變換等三種紋理特征方法進(jìn)行了分析,并比較了傳統(tǒng)LBP算法、LQP算法、ELBP算法以及EQP算法對(duì)稻種紋理特征提取識(shí)別的實(shí)際效果。
　　 (4)在本研究基礎(chǔ)上對(duì)相關(guān)算法成果進(jìn)行歸納整理,開發(fā)了基于Visual C++平臺(tái)的稻種紋理圖像處理分析系統(tǒng)。該系統(tǒng)可對(duì)靜態(tài)單粒稻種圖像進(jìn)行各種預(yù)處理操作,并提取熵、能量、慣性矩、局部平穩(wěn)性等紋理特征參數(shù)以及E