基于MATLAB数字图像处理杂草识别.docVIP

基于数字图像处理的杂草识别 班级：信息5班 组员：李辉 李少杰 李港深 胡欣阳 学号041413950414139 指导教师：蔡利梅 组员分工： 李辉：部分程序，查找资料 李少杰：实验报告，PPT，演讲 李港深：部分程序，实验报告 胡欣阳：部分程序，实验报告 摘 要 杂草同农田作物争夺阳光和养分，严重影响了农作物的生长。为了达到除草的目的，人们开始喷洒大量的除草剂来进行除草。可是却忽略了除草剂的不当使用给人、畜以及环境造成的危害。本文从实际应用出发，设计了一个基于数字图像处理的杂草图像特征提取及识别设计方案。运行在参考了前人研究成果的基础上，不断将算法改进，找出适合于MATLAB杂草识别的可行性方法。本文对杂草图像的处理和识别方法进行研究。采集来的图像经常会有模糊现象的发生，对模糊图像的恢复处理做了大量的研究试验，得出维纳滤波具有较好的恢复效果；绿色植物和土壤背景的分割试验中，提出了一种基于彩色图像的二值化方法，可以不经过彩色图像灰度化就能够直接把绿色植物与土壤背景分割开，和以往的分割方法相比处理速度快，分割效果好，更加满足实时性；杂草和作物的分割主要研究了行间杂草和作物的分割，参考国内外资料，并进行研究试验，表明运用位置特征识别法有很好的分割效果，寻找作物中心行采用了简单快速的像素位置直方图法，采用了区域生长，和其他方法相比减少了重复操作，节省了时间，满足实时处理的要求；分割后的图像为只含有杂草的二值图像，通常会有一些残余的叶片和颗粒的噪声，通过形态学滤波或中值滤波去除噪声。 研究目的及意义 杂草是生态系统中的一员农田杂草是农业生态系统中的一个组成部分直接或间接影响着农业生产[1]。据统计,目前世界上共有杂草近5万种,农田杂草8000多种，而危害主要粮食作物的约有250多种。在我国，杂草分布区域也十分广泛，据我国农业植保总站近年调查发现，我国农田杂草约1500多种，其中给农作物造成严重危害的杂草有17种；危害范围较广、危害较严重的主要杂草有31种；地域性杂草有24种；一般不对农作物造成较严重危害的次要杂草有183种[2]。为了减轻草害，人们投入了大量的人力与物力。统计表明，美国每年因为杂草在64种农作物中造成的损失达75亿美元，而每年用于化学除草的费用高达36亿美元，用于机械和其它除草的费用达26亿美元[3]。我国用在除草上的劳动量也高达20-30亿个劳动日，即便如此，我国草害造成的粮食损失平均达13.4％，年损失粮食产量约17500kt[4]。人们为了减轻杂草对农作物的危害以及造成的经济损失，经常采用的几种除草方法包括机械除草、化学除草、人力除草、静电除草，还有生物除草等。人力除草由于浪费人力，效率又低，现在很少被使用；机械除草虽然效率较高，对环境污染小，但需消耗大量的动力，造成土壤压实，对下茬作物的生长不利；静电除草能除掉部分杂草，但可能造成作物烧伤，甚至影响土壤结构，降低土壤的生产能力；生物除草是从分子生物学角度进行研究，利用动物、昆虫、病菌等方法防除某些杂草其主要特点是高效、省工，尤其是可以免去繁重的田间除草劳动，解放田间的劳动力”大量喷洒除草剂的错误做法[5]。因此，想到应该采取一些有利的措施，既能有效的消除草害，提高粮食作物的产量，又能保护好人们的生存环境，达到可持续发展的目的，这就使得科学工作者对杂草控制新方法的研究成为了必然。 针对这种情况，通过研究，我们利用图像处理技术来识别杂草并确定杂草的位置和类别，从而为作物田间精确喷洒除草剂的自动化作业提供理论与技术支持。 杂草识别的研究方法 主要有：颜色特征分析法、形状特征分析法、纹理特征分析法、光谱分析法和位置特征分析法与区域生长法。 颜色特征分析法 颜色特征分析法是用于杂草识别的重要方法。在大自然中，植物呈现绿色，土壤呈黄褐色，岩石和无生命的植物残渣呈淡黄色。根据植物和背景的颜色特征差异就可以将植物从复杂的土壤背景中分离出来。有些杂草的茎呈现褐色，根据杂草和作物的颜色差异能够将它们区分开。 2. 形状特征分析法 形状特征分析法是利用植物的叶片形状差异进行识别。基本形状特征包括面积、周长、长度和宽度等，根据这几个基状匹配函数来识别杂草种类，他们研究了3种草(筒麻、狐尾草和打碗花)和大豆苗在子叶生长期的形状。这种方法不受子叶的大小和方向的影响，但当叶子形状复杂和叶子数目较多时却无能为力。 3. 纹理特征分析法 纹理是由很多细小的单元构成，从整体上能反应某种规律性，其灰度分布表现出某种周期性。仔细观察，会发现植物的叶片有着不同的纹理。因而可以利用叶面