基于圖像處理技術(shù)的麥穗識(shí)別研究.pdf

1、小麥?zhǔn)侵匾募Z食作物,在世界上播種面積和總產(chǎn)量都占據(jù)第一,以小麥為主要糧食的人口占世界總?cè)丝诘?/3,小麥生產(chǎn)在國(guó)民經(jīng)濟(jì)中占重要地位,是整個(gè)農(nóng)業(yè)生產(chǎn)的基礎(chǔ)。小麥品種的選擇是實(shí)現(xiàn)小麥豐產(chǎn)的關(guān)鍵,新品種產(chǎn)量預(yù)測(cè)和分蘗率的自動(dòng)計(jì)算是育種專家繁重勞動(dòng)的制約因素。因此,對(duì)小麥圖像自動(dòng)識(shí)別的研究具有重要科學(xué)意義和應(yīng)用價(jià)值。
　　 目前,小麥產(chǎn)量預(yù)測(cè)方法有:田間人工判斷預(yù)測(cè),電容量測(cè)產(chǎn)、遙感預(yù)測(cè)、氣候和供求關(guān)系分析預(yù)測(cè)法、年景預(yù)測(cè)等方法,但這

2、些方法存在一些問題:憑專家經(jīng)驗(yàn)判斷,會(huì)因個(gè)人經(jīng)驗(yàn)不同導(dǎo)致預(yù)測(cè)存在差異;電容量測(cè)產(chǎn)使用專利產(chǎn)品,成本較高且小麥密度和分蘗率不易測(cè)量;遙感技術(shù)通過衛(wèi)星遠(yuǎn)距離拍攝圖像,適用于大面積田地的處理和分析,預(yù)測(cè)密度過大、準(zhǔn)確度低,難以實(shí)現(xiàn)小范圍的育種和估測(cè);氣候和供求關(guān)系分析預(yù)測(cè)法以及年景預(yù)測(cè)法只能做到大范圍的整體粗略估計(jì)。而借助于計(jì)算機(jī)圖像處理和模式識(shí)別技術(shù)對(duì)小麥圖像進(jìn)行識(shí)別和分析,可以有效地解決這些問題,從而為育種考種和科學(xué)預(yù)測(cè)產(chǎn)量提供依據(jù)。

3、r>　　 本文以計(jì)算機(jī)圖像處理技術(shù)為主要技術(shù)手段,綜合運(yùn)用數(shù)字圖像、攝影、生物特征、模式識(shí)別等方面的知識(shí),對(duì)麥穗的自動(dòng)識(shí)別進(jìn)行了研究。本文的主要工作如下:
　　 1.麥穗圖像的采集
　　 為了提高自動(dòng)識(shí)別的準(zhǔn)確性同時(shí)盡量減少對(duì)圖像采集的約束條件,對(duì)圖像拍攝方法進(jìn)行了研究。通過調(diào)整相機(jī)成像方式,在田間麥壟問隙對(duì)穗部單獨(dú)拍攝,以減少背景干擾。
　　 2.麥穗圖像預(yù)處理
　　 圖像狄度化和二值化:利用傳統(tǒng)灰度

4、化方法進(jìn)行試驗(yàn),通過比較處理后的圖像效果,在研究中找到了改進(jìn)分量法的麥穗圖像灰度-二值化處理方法。圖像增強(qiáng):對(duì)二值化的麥穗圖像中存在的孤立噪聲點(diǎn),采用快速并行中值濾波法對(duì)噪聲點(diǎn)進(jìn)行過濾。背景分割:采用sobel算子邊緣檢測(cè)的方法進(jìn)行背景分割。最后利用形態(tài)學(xué)中的二值閉運(yùn)算,對(duì)分割后的麥穗圖形中的空洞進(jìn)行填充,使目標(biāo)圖像更具體。
　　 3.麥穗特征提取
　　 為便于麥穗的識(shí)別,對(duì)麥穗的形狀特征、紋理特征進(jìn)行提取。形狀特征提取