收藏本站
《江苏大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的田间杂草识别方法研究

朱晓芳  
【摘要】: 目前,除草剂的粗放式喷洒会污染环境,破坏耕作土地质量,同时加大农业生产成本。为此,国内外提出了“精细农业”,即利用机器视觉技术将杂草从农作物和土壤背景中识别出来,而后根据杂草分布实行除草剂的定点喷洒。本文在总结国内外相关研究的基础上,以苗期小麦及麦田四种杂草为研究对象,运用机器视觉技术,重点研究植物的颜色特征、形状与纹理特征相结合的提取及识别方法,设计和开发杂草的图像处理及识别软件系统,实现小麦和杂草的分类识别。 农田杂草分类在本质上是一个复杂的小样本、高维数、非线性的多类识别,符合支持向量机分类方法的分类特性,故本文提出了一种基于支持向量机(SVM)的杂草识别方法。本文的主要研究内容如下: 1.土壤背景分割。利用植物和土壤不同的颜色特征,选取L~*a~*b~*颜色空间中a~*分量作为特征量。实验比较了三种分割算法的分割效果,决定采用改进的最大类间差法将灰度图像转化为二值图像。利用形态学方法和基于区域标记的算法对分割后的二值图像进行处理,获得完整的植物叶片图像。 2.识别特征参数的提取。研究图像特征包括区域几何特征,无量纲参数,纹理特征,并对植物图像进行了特征提取。通过对特征数据的统计分析,决定取植物的纹理特征参数和RST不变性(即对于图像的旋转、比例、平移变化都是恒定)的形状特征参数各三个作为识别特征。 3.分类器设计。构建了以支持向量机为分类方法的4-折交叉验证的植物形状分类器和纹理分类器,实验采用网格搜索法来选择最优的核函数参数和惩罚参数C,并比较了多项式、径向基、Sigmoid核函数的分类效果。结果表明:径向基核函数最适合用做小麦与杂草的多分类识别。形状和纹理特征融合的SVM分类器对小麦、马齿苋、反枝苋、刺儿菜、马唐的识别率分别为:95%,87.5%,92.5%,90%,90%。 本文提出的结合形状纹理特征的SVM杂草识别方法,实现了小麦和四种杂草的分类,为实现后续除草剂的变量喷洒提供了理论支持及可行方案。与其他分类方法相比,基于SVM的该杂草分类方法识别率高、算法简单、识别速度快、推广度强。
【关键词】:杂草分类 支持向量机 图像处理 形状特征 纹理特征
【学位授予单位】:江苏大学
【学位级别】:硕士
【学位授予年份】:2010
【分类号】:TP391.41
【目录】:
  • 摘要5-6
  • Abstract6-10
  • 第一章 绪论10-19
  • 1.1 研究目的及意义10-11
  • 1.2 国内外研究现状及发展趋势11-17
  • 1.2.1 背景分割技术研究概况12-13
  • 1.2.2 植物识别技术研究概况13-16
  • 1.2.3 精确除草技术研究概况16-17
  • 1.3 主要研究内容和方法17-18
  • 1.3.1 主要研究内容17
  • 1.3.2 拟定实验方案17-18
  • 1.4 本章小结18-19
  • 第二章 实验系统的构成及图像预处理19-26
  • 2.1 系统构成19-21
  • 2.1.1 机器视觉系统19-20
  • 2.1.2 图像处理软件20-21
  • 2.2 图像预处理21-25
  • 2.2.1 图像的噪声分析21-23
  • 2.2.2 图像的空域滤波23-25
  • 2.2.3 滤波效果比较25
  • 2.3 本章小节25-26
  • 第三章 绿色植物与土壤背景的分割26-41
  • 3.1 图像分割概述26-27
  • 3.2 颜色空间的选择27-31
  • 3.2.1 彩色图像的颜色空间27-30
  • 3.2.2 图像分割颜色空间的选择30-31
  • 3.3 图像的阈值分割31-35
  • 3.3.1 直方图分割法32
  • 3.3.2 最大类间方差法32-34
  • 3.3.3 最大熵阈值法34-35
  • 3.4 分割图像的后续处理35-40
  • 3.4.1 形态学处理36-38
  • 3.4.2 区域标记算法38-40
  • 3.5 本章小节40-41
  • 第四章 植物叶片及其形状纹理特征的获取41-55
  • 4.1 利用颜色特征获得植物区域41-44
  • 4.1.1 利用颜色特征分割植物与背景41-42
  • 4.1.2 利用形态学方法获得植物区域42-44
  • 4.2 形状特征提取44-50
  • 4.2.1 形状特征及其参数44-48
  • 4.2.2 植物形状特征参数提取48-50
  • 4.3 纹理特征提取50-54
  • 4.3.1 纹理特征及其参数50-52
  • 4.3.2 植物纹理特征参数提取52-54
  • 4.4 本章小节54-55
  • 第五章 田间杂草模式识别55-67
  • 5.1 模式识别概述55
  • 5.2 支持向量机55-61
  • 5.2.1 支持向量机的理论基础55-58
  • 5.2.2 支持向量机的多分类方法58-61
  • 5.3 基于支持向量机的杂草识别模型61-66
  • 5.3.1 SVM核函数及其参数选择61-62
  • 5.3.2 SVM模型选择62-63
  • 5.3.3 小麦和杂草的多分类63-65
  • 5.3.4 小麦和杂草的二分类65-66
  • 5.4 本章小结66-67
  • 第六章 结论与展望67-69
  • 6.1 结论67-68
  • 6.2 后续工作与展望68-69
  • 参考文献69-74
  • 致谢74-75
  • 攻读硕士学位期间完成的论文75

【引证文献】
中国期刊全文数据库 前1条
1 张东彦;祖琴;邓巍;王秀;;单/双子叶杂草与作物的高光谱识别[J];红外与激光工程;2013年S1期
中国博士学位论文全文数据库 前1条
1 李先锋;基于特征优化和多特征融合的杂草识别方法研究[D];江苏大学;2010年
中国硕士学位论文全文数据库 前3条
1 李昕;林业采摘图像识别算法的研究[D];南华大学;2011年
2 张明;基于压缩感知理论的杂草种子分类识别研究[D];西北农林科技大学;2012年
3 占求香;成熟柑橘识别与树干轮廓提取方法的研究与实现[D];湖南大学;2012年
【参考文献】
中国期刊全文数据库 前10条
1 杜艳红,高庆吉,曾浩,牛国臣;基于颜色和形状特征的目标检测与识别[J];东北电力学院学报;2005年02期
2 刘洪臣;陈忠建;冯勇;;结合颜色和形态特征的杂草实时识别方法[J];光电工程;2006年07期
3 朱永生,张优云;支持向量机分类器中几个问题的研究[J];计算机工程与应用;2003年13期
4 宋培华;高敦岳;;边界跟踪与序贯算法在二值连通区域标记中的应用[J];计算机科学;2002年03期
5 于铂;郑丽敏;田立军;;基于颜色和纹理特征提取彩色图像的有意义区域[J];计算机工程;2006年03期
6 姚鸿勋,刘明宝,高文,范旭彤,张洪明,吕雅娟;基于彩色图像的色系坐标变换的面部定位与跟踪法[J];计算机学报;2000年02期
7 王晶;卫金茂;;一种改进的支持向量机及其在癌症诊断中的应用[J];计算机应用;2006年02期
8 纪寿文,王荣本,陈佳娟,赵学笃;应用计算机图像处理技术识别玉米苗期田间杂草的研究[J];农业工程学报;2001年02期
9 何东健,张海亮,宁纪锋,龙满生;农业自动化领域中计算机视觉技术的应用[J];农业工程学报;2002年02期
10 龙满生;何东健;;玉米苗期杂草的计算机识别技术研究[J];农业工程学报;2007年07期
【共引文献】
中国期刊全文数据库 前10条
1 邢青青;罗新斌;;基于小波去噪和机器视觉的边缘检测[J];四川有色金属;2009年01期
2 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
3 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
4 吴降星;刘桂良;陈永亭;;浙东沿海地区加拿大一枝黄花发生规律与防治技术初探[J];安徽农学通报;2006年04期
5 何井瑞;韩必荣;陈之政;徐伟;杜金河;;宿迁地区冬季麦田杂草群落特征与综合治理探讨[J];安徽农学通报;2008年10期
6 孔郑;李秋娜;蒋晓燕;;合肥地区高校春季草坪杂草调查初报[J];安徽农学通报(上半月刊);2010年23期
7 胡涛;图像处理技术在农业工程中的应用[J];安徽农业科学;2005年04期
8 沈基长,郭书普,董伟,张立平;杂草计算机识别系统的研制[J];安徽农业科学;2005年04期
9 江贵波;曾任森;;外来入侵植物的危害及防治[J];安徽农业科学;2006年02期
10 吴凤凰;;模式识别在植物叶片识别中的应用[J];安徽农业科学;2007年01期
中国重要会议论文全文数据库 前10条
1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
2 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
3 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
4 周绮凤;林成德;罗林开;彭洪;;一种基于黎曼度量的训练样本类不平衡SVM分类方法研究[A];第二十六届中国控制会议论文集[C];2007年
5 季铮;张剑清;詹总谦;;基于特征不变量的目标识别定位方法研究[A];第二十六届中国控制会议论文集[C];2007年
6 王红霞;田国会;李晓磊;卜范骞;;基于地标信息融合的家庭环境机器人组合导航[A];第二十六届中国控制会议论文集[C];2007年
7 刘磊;王永骥;;基于单目视觉的机器人动态目标识别与跟踪[A];第二十六届中国控制会议论文集[C];2007年
8 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年
9 曹爱增;陈月婷;魏军;李金屏;;一种基于EDAs和聚类分析的杂合进化算法[A];第二十六届中国控制会议论文集[C];2007年
10 周艳;唐权华;金炜东;;基于自适应噪声检测的彩色图像插值滤波算法[A];第二十七届中国控制会议论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
2 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
3 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
4 李晚龙;六自由度Stewart平台分散智能控制研究[D];哈尔滨工程大学;2010年
5 李桃迎;交通领域中的聚类分析方法研究[D];大连海事大学;2010年
6 王文标;基于视觉测量的快速再制造成形系统关键技术研究[D];大连海事大学;2010年
7 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年
8 时长江;豆科类杂草种子图像识别系统研究[D];中国海洋大学;2009年
9 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
10 易吉良;基于S变换的电能质量扰动分析[D];湖南大学;2010年
中国硕士学位论文全文数据库 前10条
1 马彦平;基于数字图像的冬小麦、夏玉米长势远程动态监测技术研究[D];华中农业大学;2010年
2 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
3 何声宝;不同除草剂对油菜生长及产量的影响[D];华中农业大学;2010年
4 刘甲玉;基于ARM的图像采集与无线传输技术的研究[D];安徽工程大学;2010年
5 代宏伟;布里渊散射水下探测目标的自动识别[D];南昌航空大学;2010年
6 廖甜甜;白细胞图像语义识别分类的研究[D];南昌航空大学;2010年
7 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
8 郑纪业;基于H.264的校园视频监控系统的设计与实现[D];山东科技大学;2010年
9 徐芳芳;优化问题的PVD算法研究[D];山东科技大学;2010年
10 张明军;基于小波包最优树的图像融合技术研究[D];山东科技大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 陈文颉,窦丽华,陈杰,杜丽辉;融合多特征信息的模式识别方法[J];北京理工大学学报;2002年02期
2 刘立宏,胡可刚,刘立欣;目标检测中的快速中值滤波法[J];吉林大学学报(信息科学版);2004年03期
3 焦李成,杜海峰;人工免疫系统进展与展望[J];电子学报;2003年10期
4 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期
5 燕忠,袁春伟;基于蚁群智能和支持向量机的人脸性别分类方法[J];电子与信息学报;2004年08期
6 刘洪臣;陈忠建;冯勇;;结合颜色和形态特征的杂草实时识别方法[J];光电工程;2006年07期
7 陈德润,王书茂,王秀;农田杂草识别技术的现状与展望[J];中国农机化;2005年02期
8 朱登胜;潘家志;何勇;;基于光谱和神经网络模型的作物与杂草识别方法研究[J];光谱学与光谱分析;2008年05期
9 陈树人;栗移新;毛罕平;沈宝国;张玉珠;陈斌;;基于光谱分析技术的作物中杂草识别研究[J];光谱学与光谱分析;2009年02期
10 邓巍;张录达;何雄奎;Mueller J;曾爱军;宋坚利;刘亚佳;周继中;陈吉;王旭;;基于支持向量机的玉米苗期田间杂草光谱识别[J];光谱学与光谱分析;2009年07期
中国博士学位论文全文数据库 前8条
1 范昕炜;支持向量机算法的研究及其应用[D];浙江大学;2003年
2 毛文华;基于机器视觉的田间杂草识别技术研究[D];中国农业大学;2004年
3 李志臣;基于机器视觉的杂草对准喷药控制系统研究[D];南京农业大学;2007年
4 寇晓丽;群智能算法及其应用研究[D];西安电子科技大学;2009年
5 陈丽君;基于机器视觉的变量喷雾控制系统研究[D];沈阳农业大学;2009年
6 胡燏翀;基于网络编码的分布式存储容错机制研究[D];中国科学技术大学;2010年
7 王远军;基于多项式展开的弥散张量图像配准[D];复旦大学;2010年
8 宋智礼;图像配准技术及其应用的研究[D];复旦大学;2010年
中国硕士学位论文全文数据库 前10条
1 李昕;林业采摘图像识别算法的研究[D];南华大学;2011年
2 李新彩;基于压缩感知的CT迭代图像重建技术应用研究[D];山东大学;2011年
3 顾莹;基于压缩感知的分布式视频编解码及其图像超分辨率重建研究[D];南京邮电大学;2011年
4 高众;基于压缩感知的新生儿疼痛表情识别方法[D];南京邮电大学;2011年
5 赵丰富;基于流形学习的杂草种子识别的研究[D];西北农林科技大学;2011年
6 龙满生;玉米苗期杂草识别的机器视觉研究[D];西北农林科技大学;2002年
7 花静;基于HMM/SVM混合架构的连续语音识别系统的研究[D];哈尔滨工业大学;2006年
8 孙燕平;基于小波分析的汽轮机早期振动故障识别技术研究[D];华北电力大学(北京);2007年
9 姚华静;基于颜色和纹理特征的图像检索技术研究[D];河海大学;2007年
10 江涌涛;基于隐马尔可夫模型及支持向量机的机床切削颤振在线监测[D];南华大学;2007年
【二级引证文献】
中国期刊全文数据库 前1条
1 胡河山;覃亚丽;;基于蚁群算法的多光谱遥感图像分类[J];杭州电子科技大学学报;2012年04期
中国重要会议论文全文数据库 前1条
1 胡河山;覃亚丽;;基于蚁群算法的多光谱遥感图像分类[A];浙江省信号处理学会2012学术年会论文集[C];2012年
中国博士学位论文全文数据库 前2条
1 胡新宇;基于机器视觉的家蚕微粒子图像识别方法的研究[D];武汉理工大学;2011年
2 钟权;地空背景下扩展目标稳定跟踪技术研究[D];中国科学院研究生院(光电技术研究所);2014年
中国硕士学位论文全文数据库 前5条
1 郭娟;基于语义的视频检索技术研究[D];重庆大学;2012年
2 许诺琳;基于多特征融合的固有不规则蛋白质结构预测器的设计[D];哈尔滨工程大学;2012年
3 占求香;成熟柑橘识别与树干轮廓提取方法的研究与实现[D];湖南大学;2012年
4 乔永亮;田间杂草多光谱图像识别技术与方法研究[D];西北农林科技大学;2013年
5 杨芳明;基于ARM的草莓园环境监管控制算法研究[D];南昌航空大学;2013年
【二级参考文献】
中国期刊全文数据库 前10条
1 刘洪臣;陈忠建;冯勇;;结合颜色和形态特征的杂草实时识别方法[J];光电工程;2006年07期
2 杜奇,向健勇,袁胜春;一种改进的最大类间方差法[J];红外技术;2003年05期
3 汪国有,邹玉兰,凌勇;基于显著性的OTSU局部递归分割算法[J];华中科技大学学报(自然科学版);2002年09期
4 孙亦南,刘伟军,王越超,孙亦蓬;一种用于圆检测的改进Hough变换方法[J];计算机工程与应用;2003年20期
5 姚鸿勋,刘明宝,高文,范旭彤,张洪明,吕雅娟;基于彩色图像的色系坐标变换的面部定位与跟踪法[J];计算机学报;2000年02期
6 毛罕平,徐贵力,李萍萍;基于遗传算法的蔬菜缺素叶片图像特征选择研究[J];江苏大学学报(自然科学版);2003年02期
7 李红俊,韩冀皖;数字图像处理技术及其应用[J];计算机自动测量与控制;2002年09期
8 阎威武,常俊林,邵惠鹤;一种贝叶斯证据框架下支持向量机建模方法的研究[J];控制与决策;2004年05期
9 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期
10 宁纪锋,何东健,张海亮,龙满生;基于图像形态学的球形果实品质检测研究[J];农机化研究;2001年03期
中国重要会议论文全文数据库 前1条
1 刘志华;程鹏飞;崔艳丽;董晓志;;温室植物病害的图像处理及特征值提取方法的研究(一)——基于图像预处理的特征值提取方法的研究[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第三分册[C];2005年
【相似文献】
中国期刊全文数据库 前10条
1 蒋正荣;计算机杂草识别技术的研究现状[J];上海环境科学;1999年10期
2 蒋正荣;计算机杂草识别的实现及应用[J];杂草科学;1999年04期
3 张健钦,屈平,邝朴生;计算机视觉技术在杂草识别中的应用研究进展[J];河北大学学报(自然科学版);2002年04期
4 王月青,毛文华,王一鸣;麦田杂草的实时识别系统研究[J];农机化研究;2004年06期
5 刘振恒,张长利,房俊龙;应用机器视觉技术识别田间杂草的研究[J];农机化研究;2004年02期
6 毛文华,王一鸣,张小超,王月青;基于机器视觉的田间杂草识别技术研究进展[J];农业工程学报;2004年05期
7 杨照华,浦昭邦,祁振强;计算机视觉技术在杂草识别中的研究进展[J];黑龙江大学自然科学学报;2005年01期
8 毛文华,王一鸣,张小超;基于机器视觉的苗期杂草实时分割算法[J];农业机械学报;2005年01期
9 戴青玲;张胜波;靳冬梅;;基于近红外图像的杂草识别研究[J];安徽农业科学;2009年06期
10 吴国瑞;朱瑞祥;;基于图像处理的杂草叶片识别参数研究[J];农机化研究;2009年05期
中国重要会议论文全文数据库 前4条
1 毛文华;胡小安;张小超;;基于机器视觉的田间杂草识别系统[A];农业机械化与新农村建设——中国农业机械学会2006年学术年会论文集(下册)[C];2006年
2 赵冬;孙韬;张立福;王晋年;童庆禧;;FISS地面成像光谱辐射测量系统应用软件设计[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
3 陈树人;裴文超;尹东富;;基于DSP的棉田杂草实时识别试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
4 唐晶磊;何东健;朱兆龙;;绿色植物与土壤背景图像分割方法研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
中国重要报纸全文数据库 前6条
1 省农科院粮油作物研究所 李香菊;杂草识别及化除技术(9)[N];河北科技报;2004年
2 省农科院粮油作物研究所 李香菊;杂草识别及化除技术(14)[N];河北科技报;2004年
3 省农科院粮油作物研究所 李香菊;杂草识别及化除技术(18)[N];河北科技报;2004年
4 省农科院粮油作物研究所 李香菊;杂草识别及化除技术(19)[N];河北科技报;2004年
5 记者 刘阳;切实抓好麦播期化学除草工作[N];驻马店日报;2008年
6 本报记者;有效防虫害挽回巨额损失[N];哈尔滨日报;2007年
中国博士学位论文全文数据库 前6条
1 唐晶磊;喷药机器人杂草识别与导航参数获取方法研究[D];西北农林科技大学;2010年
2 毛文华;基于机器视觉的田间杂草识别技术研究[D];中国农业大学;2004年
3 潘家志;基于光谱和多光谱数字图像的作物与杂草识别方法研究[D];浙江大学;2007年
4 李志臣;基于机器视觉的杂草对准喷药控制系统研究[D];南京农业大学;2007年
5 吴兰兰;基于数字图像处理的玉米苗期田间杂草的识别研究[D];华中农业大学;2010年
6 李先锋;基于特征优化和多特征融合的杂草识别方法研究[D];江苏大学;2010年
中国硕士学位论文全文数据库 前10条
1 徐辛颖;面向杂草识别的K近邻算法研究[D];东北农业大学;2013年
2 徐月;玉米苗期杂草识别方法研究[D];吉林农业大学;2013年
3 范德耀;基于DSP的水稻杂草识别研究[D];浙江理工大学;2011年
4 金小俊;基于双目立体视觉的除草机器人行内杂草识别方法研究[D];南京林业大学;2012年
5 沈旭;除草机器人农田行内作物/杂草识别研究[D];南京林业大学;2011年
6 周果;基于图像处理技术的大田玉米苗期杂草识别方法研究[D];吉林农业大学;2013年
7 曲昆鹏;基于支持向量机的杂草识别研究[D];哈尔滨工程大学;2010年
8 齐平;基于图像处理的杂草识别研究[D];西华大学;2010年
9 龙满生;玉米苗期杂草识别的机器视觉研究[D];西北农林科技大学;2002年
10 张健钦;计算机视觉技术在杂草识别中的应用研究[D];河北农业大学;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026