基于光谱和多光谱数字图像的作物与杂草识别方法研究-生物系统工程专业论文.docx

摘要我国的农业生产已经取得了很大成就，但面临着一些重大问题．如农药使用过量而造成的环 摘要 我国的农业生产已经取得了很大成就，但面临着一些重大问题．如农药使用过量而造成的环 境污染、机械化程度不足、投入毫镘率低等等，精细农业是我周农业发展的必然趋势，精细农业 是集成了电子、计算机，信息处理技术与智能机械等技术的现代农业技术和体系．机器视觉是其 中的关键性基础技术，是作业机械的感觉器官。针对作物早期管理中的自动喷洒作业的需要．重 点研究了作物与杂草的识别问题．田问作物与杂草的自动识别．根据研究内容和方法的不同。可 以分为以下几类：1)根据作物与杂草的位置信息的区分：2)根据光谱反射率的区分：3)根据 形状的区分：4)根据颜色的区分；5)根据纹理的区分．本文的主要研究内容与结果如下： (1) 采用Vis／NIR光谱技术，区分了苗期的大豆与牛筋草、空心莲子草、凹头苋等几种南方地 区常见的植物。用325—1075rim波段的光谱反射率，经过DBN小波在三层分解后．可以 将光谱样本压缩到114个数据．光谱样本分两期共采集了360个样本．然后从经过小渡 变换后的结果中选取250个样本作为输入数据建模，包括了两个阶段的样本数据．剩余 的110个样本用于校验。采用了径向基雨数神经网络模型．结果表明，识别正确率达到 了97．3％，只有3个牛筋草样本被错误识别。所以．应用Vis／N[R光谱技术区分作物与杂 草，是一种准确率高、速度快的高效方法． (2) 研究了基于多光谱成像仪的图像的颜色窄间的变换。多光谱成像仪的三个图像信道分别 是Cm、Ir、Rd．其Ir信道的蒯像质鼍很高，特别适合用来做作物与杂草的区分．可以持 多光谱成像仪的图像与其它的颜色空间进行转换(HS v．OHTA,CIE XYZ，CIEL*A*BI． CIEL‘U‘V’)．比较了服始图像、CIE XYZ颜色空间、CIE LUV颜色空间的图像质最和 灰度直方图分布，结果是在CIE XYZ颜色空间中，三个图像分量的灰度直方图和削像质 量都有改善．在CIEL·u·v·颜色空间中的v·空问的灰度育方图类似顾始图像中的取信 道．嘲像更清晰．说明了颜色空间变换对于多光谱图像的处理，可以作为一种重要的预 处理手段． (3) 在图像增强的方法上．分空域增强和频域增强两部分内容．在空域增强部分，研究了平 滑，中值滤波，维纳滤波、对比度增强滤被等方法．在频域增强部分．重点研究了摹干 matlab的数字滤波器处理方法，并分别用IIR、FIR的数字高通、低通滤波器处理模糊的 作物与杂草的近红外通道冈像．并比较了处理的效果．结果表明，数字滤波器的设计灵 活，可以根据需要的幅频响应雨数去设计滤波嚣参致，得到明确的幅频，相频响戍函致． 在选取截止频率的问题七，提出了用翻像的傅立叶变换后的嘲像的半径来确定截止额率 的方法。并研究了其使用效果。证明，基于数字滤波器的处理方法是一种有效的图像增 强方法。并且可以用来处理模糊翻像，增强作物．杂草与背景的对比和清晰程度．为目 标识别作预处理． (4) 运用闽值分割、数学形态学方法和图像分析等，结合先验知识研究了作物与杂草的识别 问题．根据含有牛筋草、空心莲子草和豆苗的多光谱近红外信道的图像．首先用阐值分 削将削像上的土壤背景去除．然后．用数学形态学方法．经过连续的腐蚀与膨胀操作． 将豆苗与两种杂草分割开．对于仅剩F两种杂草的二值罔像．用图像分析工具统计杂草 对象的特征，包括长．短轴，面积，实心度，周长等等因子．然后，根据先验知识确定 两条简单的规则．识别出两种杂草．实验表明这是一种简单有效的方法． (5) 研究r多光谱图像的边界提取和图像分割问扈．比较r在不同的边界提取算子．包括 Roberts，Prewitt、Sobcl、Laplacian等边界算子作用下的效果．同时也比较了用数学形态 学方法提取边界的效粜．研究了基于分水岭模型的图像分割方法和基于邻域的分割方法． (6) (6) 统计了MS3100多光谱成像仪和普通相机所拍摄的图像特征。分三个通道统计象素的平 均亮度、均方差等因子，数据表明．多光谱成像仪的近红外图像分量的亮度适中．明、 暗部分变化大，图像清晰．三个信道表现出较大差异，而普通相机的三个图像分量统计 特征相似。说明了应用多光谱成像仪识别作物与杂草，有潜在的优势． 关键词；机器视觉，多光谱数字图像，Vis／NIR．杂草识别，豆苗 Ⅱ AbstractAgriculture Abstract Agriculture has developeA greatly in oltllc∞Ⅱ呱blll it is facing advent problems DOW．¨ch∞thc environmental pollution caused by dosage o