学位论文 > 优秀研究生学位论文题录展示

复杂背景下黄瓜叶片的彩色图像分割与病害诊断

作　者: 陈伟
导　师: 王红君；余喜珍
学　校: 天津理工大学
专　业: 控制工程
关键词: 彩色图像分割分水岭各向异性扩散自动种子区域生长遗传算法神经网络病害诊断
分类号: S436.421.1
类　型: 硕士论文
年　份: 2013年
下　载: 2次
引　用: 0次
阅　读: 论文下载

内容摘要

随着现代科技的迅速发展,信息化成为农业的主要发展方向之一。设施农业利用信息化,比如人工智能技术,使传统农业逐渐摆脱自然的约束,从而转变农业生产方式,改善农业生产条件,提高农业生产效率。本文以计算机视觉技术作为手段,结合数字图像处理、神经网络等技术,实现了自然背景下黄瓜叶片图像的彩色分割和病斑的自动提取技术,并对三种病害的病斑进行了特征提取,找到了适合判断三种病害的特征,达到了识别病害的目的。首先,提出了一种在复杂背景下对健康黄瓜彩色图像叶片的分割算法。各向异性扩散的方法是在偏微分的思想上发展而来。利用其在梯度小的区域扩散较大,和在梯度较大的地方扩散较小的性质,在去除图像噪声的同时保护了图像边缘的信息。根据各向异性扩散的性质,在原始彩色图像进行抖动处理,中值滤波后,再进行各项异性扩散,这样可将同尺度的区域划分在一起,同时一定程度保护了边缘的信息。如此预处理后再进行分水岭分割,可一定程度的解决过分割的问题。分水岭分割后会产生很多小的区域,此时进行自动种子区域生长,可将颜色相近的区域结合在一起,最后再按照尺度进行最后合并就得到了最终分割的黄瓜叶片。结果表明,在预处理中加入了各向异性扩散后,可更好的分割出目标区域。其次,运用了基于遗传算法改进的BP神经网络在复杂背景下对黄瓜病害叶片的病斑进行了特征提取和计算。根据BP算法存在的工作效率底,并且不能保证网络结构和权值等参数的最优的缺点,本文结合遗传算法所拥有的全局随机搜索能力,可以在复杂多峰值的矢量空间中快速寻找到最优解,提出了采用适合实数编码的遗传算子来优化BP神经网络的方法。实验结果表明此方法可很好的在自然背景下将黄瓜病害病斑提取出来。最后对提取出的病斑选取了十个纹理特征和三个几何特征,通过计算分析找到了能够识别不同病斑的特征。本文算法因为速度快并且占用内存少,很适合在嵌入式平台下诊断黄瓜病害。对促进计算机视觉、人工智能等技术在设施农业上的应用,具有一定的实践意义。

全文目录

摘要  5-6
Abstract  6-8
目录  8-11
第一章绪论  11-17
  1.1 数字图像处理概述  11-12
  1.2 设施农业的发展现状  12-13
  1.3 数字图像处理在设施农业中的应用  13-14
    1.3.1 国外数字图像处理技术在设施农业中的应用  13
    1.3.2 国内数字图像处理技术在设施农业中的应用  13-14
  1.4 课题研究的目的和意义  14-15
  1.5 课题研究的主要内容和内容安排  15-17
    1.5.1 主要内容  15
    1.5.2 内容安排  15-17
第二章彩色图像分割的研究  17-28
  2.1 彩色图像分割的意义  17-18
    2.1.1 图像分割在图像工程中的地位  17
    2.1.2 图像分割的应用领域  17-18
  2.2 彩色图像分割的概念  18-19
  2.3 彩色空间  19-23
    2.3.1 RGB彩色空间  19-20
    2.3.2 HSI颜色空间  20-21
    2.3.3 HSV颜色模型  21-22
    2.3.4 CIEL*a*b*空间  22-23
  2.4 彩色图像分割方法  23-27
    2.4.1 直方图阈值分割方法  23-24
    2.4.2 基于区域的分割方法  24-26
    2.4.3 基于特点理论的分割方法  26-27
  2.5 小结  27-28
第三章基于各向异性扩散的自动种子区域和分水岭彩色图像分割方法  28-38
  3.1 算法概述  28-29
  3.2 预处理步骤  29-32
    3.2.1 抖动处理技术  29-30
    3.2.2 中值滤波去噪技术  30-31
    3.2.3 各向异性扩散技术  31-32
  3.3 分水岭初步分割  32-33
  3.4 自动种子区域生长  33-36
    3.4.1 标记矩阵到邻接矩阵的转换  33-34
    3.4.2 自动选取种子区域  34-35
    3.4.3 按照生长规则进行生长  35-36
    3.4.4 区域合并  36
  3.5 实验效果比较及总结  36-37
  3.6 小结  37-38
第四章改进神经网络在复杂背景下彩色图像病斑提取中的应用  38-50
  4.1 人工神经网络模型  38
  4.2 神经网络的基本特征  38-40
    4.2.1 神经网络的学习规则  39
    4.2.2 神经网络的基本结构  39-40
  4.3 BP神经网络  40-42
    4.3.1 BP神经网络结构  40
    4.3.2 误差反向传播训练法  40-42
    4.3.3 BP网络的缺陷及改进方法  42
  4.4 遗传算法  42-44
    4.4.1 遗传算法简介  42
    4.4.2 基本遗传算法  42-44
  4.5 基于遗传算法改进的BP神经网络  44-47
    4.5.1 M-BP的编码及描述方法  44
    4.5.2 M-BP算法的具体步骤  44-46
    4.5.3 M-BP的参数设计  46-47
  4.6 M-BP对自然背景下黄瓜病斑的提取  47-49
  4.7 小结  49-50
第五章黄瓜病害的病斑特征提取  50-55
  5.1 黄瓜病害纹理特征提取  50-52
    5.1.1 常用的纹理特征  50-51
    5.1.2 黄瓜病害纹理特征计算  51-52
  5.2 黄瓜病害形状特征提取  52-54
    5.2.1 常用的形状特征  52
    5.2.2 形状特征提取的预处理  52-53
    5.2.3 黄瓜病害形状特征计算  53-54
  5.3 小结  54-55
第六章总结与展望  55-56
参考文献  56-59
发表论文和科研情况说明  59-60
致谢  60

复杂背景下黄瓜叶片的彩色图像分割与病害诊断

内容摘要

全文目录

相似论文