论文部分内容阅读
农田杂草严重影响了农作物的生长发育,造成农作物产量和品质下降。传统的化学除草采用大面积喷洒除草剂的方式,不仅效率低下、提高了生产成本,而且严重危害了生态环境,影响了农业健康、持续的发展。为此,研究杂草和作物位置的快速检测方法,从而指导实施除草剂变量喷洒的技术显得尤为重要。在总结国内外相关研究的基础上,本文基于机器视觉、图像处理技术对田间复杂图像的杂草识别方法进行了研究。本文的主要研究工作如下:1.在复杂图像土壤背景分割中,采用统计方法对植物(杂草和作物)和土壤等目标的颜色特征进行分析,寻找分割指标,为去除复杂背景算法的设计提供便捷而直观的依据。
2.对图像滤波算法进行了研究,发现阈值滤波法兼具了邻域滤波快速和中值滤波细节保护性好的优点,适合图像预滤波;象素密度滤波法可以较好滤波点状噪声,处理速度较形态滤波快,适合图像后处理。
3.研究了纹理分析方法对杂草和作物之间的可分性,发现利用色度共生矩阵、饱和度共生矩阵、色度-饱和度共生矩阵、颜色-梯度共生矩阵提取的纹理特征分割作物、杂草拼图,效果较好。
4.针对静态采集的田间复杂图像,提出了一种融合了多种特征的快速识别方法。它先利用位置特征识别行间杂草,再利用纹理特征识别行内杂草,最后利用位置关系进行误分割处理。改进静态图像杂草识别方法,使其适合于动态图像处理,满足实时性工作的要求。
5.在VC++6.0环境中,实现上述图像处理算法,开发基于机器视觉的杂草识别软件系统。