雜草識別中圖像特征的優(yōu)化及識別算法的研究.pdf

1、雜草識別分為圖像采集、圖像分割、模式識別、后續(xù)處理四個(gè)階段，本文以雜草識別中的圖像特征和算法為研究對象，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別效果，這對提高自動除草設(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。主要研究內(nèi)容為： (1)在分離植被區(qū)域和背景區(qū)域的圖像分割中，對于播種前植被只包括雜草的情況研究了用于紅色雜草識別的顏色特征。對于需要后續(xù)模式識別區(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Bayes理論評價(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)對于以區(qū)分作物和雜草為目的的模式識別，使用寬長比、伸長率、圓滿度和圓度四種形狀特征通過建立模糊識別器識別青椒和牛筋草、波斯婆婆納、澤漆三種雜草，對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。為選擇識別特征，建立了同時(shí)考慮識別率和處理時(shí)間的評價(jià)模型并對寬長比、伸長率、圓滿度和圓度四種形狀特征進(jìn)行選擇，得出對于實(shí)驗(yàn)中的圖像寬長比

4、和圓度的組合效果最好。針對枝葉覆蓋嚴(yán)重的情況，在棉田雜草的識別中以植株為研究對象，提出基于骨架長度和葉片面積比的識別算法。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)行識別，作物和雜草的識別率分別達(dá)到82.77％和59.69％，而現(xiàn)有雜草識別算法無法在該情況下有效識別雜草。由于以植株為研究對象，不需考慮葉片相互覆蓋的情況，因此基于形態(tài)學(xué)特