论文部分内容阅读
苹果产业是陕西省支柱产业和国民经济的六大特色优势产业之一,但是苹果病害给果农造成损失巨大。如何实现苹果病害的远程智能识别成为急需解决的问题。本文以发病广、危害重的苹果果实轮纹病、炭疽病、新轮纹病等3种病害为研究对象,研究复杂背景下低分辨率病害图像病斑分割及特征提取和优选,建立基于支持向量机的病害识别模型,开发病害识别系统,为苹果病害的远程实时诊断提供技术支持。主要研究内容与结论如下:(1)针对自然场景下拍摄图像特点,研究了图像预处理方法。首先将灰度图像中值滤波方法推广到彩色图像中,有效去除噪声的同时,较好的保留了图像的边缘信息;采用有限对比自适应直方图均衡化方法,对彩色图像进行了增强,使得增强后图像较柔和,且突出了病害边缘。(2)研究了复杂背景下低分辨率图像的分割方法。研究了基于视觉注意模型的K-均值聚类方法和基于快速匹配法的水平集交互式分割方法,由分割结果可以看出,基于快速匹配法的水平集方法,能更好的将病斑直接从原图像中分割出来。(3)研究了病斑图像的特征提取及特征优选。根据病斑图像特点,提取3个颜色通道下病斑的2个颜色低阶矩,灰度共生矩阵的4个常用参数的均值和标准差作为纹理特征,计算7个Hu不变矩作为形状特征,共计提取21个特征参数。在进行分析的基础上,优选出18个特征作为本研究有效特征。(4)研究了病害图像的识别方法。构建了基于相似性度量、灰度关联分析和支持向量机的3种识别模型,分别选用不同训练样本与测试样本数对建立的识别模型进行训练与测试,支持向量机模型分别选用不同核函数进行测试。试验结果表明:当训练样本为48(每类病害样本数为16)、测试样本为30(每类病害样本数为10),核函数为线性核函数时,识别率最高达90%,可以满足苹果病害远程智能识别的要求。(5)以Matlab(R2010a)为平台,开发了低分辨率苹果果实病害识别原型系统。经过测试发现,该系统能够较准确、快速地识别苹果病害的类别,可以对苹果病害进行有效地智能识别。