论文部分内容阅读
水稻是我国主要的粮食作物之一，在我国粮食生产和消费中处于绝对主导地位，而水稻稻瘟病严重危害着水稻产量和质量。利用计算机视觉技术对水稻病害进行识别，对准确认识水稻稻瘟病，指导农业生产者防治病害，减少稻瘟病对水稻产量的影响，保证国家粮食安全，具有很重要的现实意义。本文利用支持向量机优越的分类性能，对急性型、慢性型及白点型三种类型水稻稻瘟病彩色图像进行识别，为水稻稻瘟病自动识别系统的开发提供了基础研究。针对水稻稻瘟病病害图像分割精度不高的问题，提出了一种基于二分类支持向量机的水稻稻瘟病彩色图像分割算法，确定了基于支持向量机的稻瘟病图像分割流程。利用二分类支持向量机对不同类型的水稻稻瘟病彩色病害图像样本进行分割，通过比较支持向量机不同参数下的分割精度，确定了图像分割支持向量机的最佳模型参数。仿真结果表明，该算法能有效地提高水稻稻瘟病彩色图像的分割精度，且分割精度优于OTSU传统分割方法。为提取出代表不同类型水稻稻瘟病病斑特征值，首先在RGB、HSI、YCbCr、NTSC颜色空间中对不同水稻稻瘟病病斑的颜色特征进行了提取和分析，通过比较所提取的颜色特征对三种病斑的区分效果，确定了4个区分不同类型稻瘟病的颜色特征。研究了适合水稻稻瘟病病斑分类的形态特征提取算法，在提取病斑面积、周长、圆形度、复杂度等传统形态特征的基础上，定义了病斑数、病斑面积/病斑个数比两个新的形态特征，通过比较所提取的形态特征对三种病斑的区分效果，最终选择了4个形态特征。仿真结果及数据分析表明，所选的8个特征参数能够有效区分急性型、慢性型和白点型三种不同类型水稻稻瘟病病斑，可以作为多分类支持向量机的特征向量。利用多分类支持向量机，采用上述确定的水稻稻瘟病病斑颜色特征、形态特征，对急性型、慢性型和白点型三种不同类型水稻稻瘟病进行了分类识别。通过比较多分类支持向量机不同参数下对三种病斑的识别效果，确定了病害识别支持向量机最佳模型参数。仿真结果表明，提出的基于多分类支持向量机水稻稻瘟病识别方法具有较高的识别精度，平均正确识别率达到了93.3％，能够有效地对三种不同类型水稻稻瘟病病害图像进行识别。