论文部分内容阅读
本文以计算机数字图像处理为重要技术手段,以大豆叶片为主要研究对象,综合运用数字图像处理、色度学、人工神经网络、模式识别等人工智能领域的知识,研究了适合于植物叶片特征提取与识别的技术。
首先,利用数字图像采集技术完成图片的采集,研究了叶片图像处理的理论,主要实现了图像的点运算、几何处理、腐蚀膨胀算法以及边缘检测等技术。
然后,分析了各种几何失真的产生原理,明确了本文在采集叶片图像时发生失真的机理。针对此机理,找到了适合于植物叶片图像失真校正的方法,成功地实现了叶片图像的失真校正。同时研究了适合于植物叶片的预处理技术,包括图像分割技术、增强技术、彩色图像的灰度化处理等。在图像分割中,本文采用两步来分割叶片与背景:剪裁法除去与叶片颜色相近或相同的背景,然后采用基于叶片边缘的图像逻辑运算提取叶片。
最后,实现了叶片几何特征(面积、周长、形状参数)的计算及叶片各部分的测量功能。同时,依据色度学知识以及叶色与叶绿素的关系,对叶片的色度值作了初步计算。此外,运用人工神经网络技术对病斑作了初步识别,且根据计算病斑形状所需的参数,对初步识别的病斑的形状参数作了详细计算。
本研究为进一步开发具有智能化的植物病害诊断专家系统提供了必要的先期研究,对缩小我国在农业信息自动化领域与发达国家的差距,促进计算机图像处理技术、人工神经网络技术在我国农业工程领域的应用具有一定的意义。