基于機器視覺和PCNN的玉米長勢圖像處理研究.pdf

1、隨著科學(xué)技術(shù)的迅速發(fā)展，機器視覺在農(nóng)業(yè)生產(chǎn)領(lǐng)域中的應(yīng)用逐步深入，從簡單的視頻監(jiān)控到復(fù)雜的后臺圖像處理分析，已經(jīng)發(fā)展到農(nóng)業(yè)生產(chǎn)的各個環(huán)節(jié)，諸如種子篩選、作物長勢監(jiān)測、病蟲害預(yù)防、施肥灌溉等等。本文主要研究基于機器視覺的作物長勢，重點以華北地區(qū)的玉米為研究對象，分別對苗期、拔節(jié)期、大喇叭口期、抽雄期和成熟期等各個生長階段的單株玉米圖片進行處理分析，然后與豫北地區(qū)實地玉米的每個生長周期的生長數(shù)據(jù)進行對比，從而分析得出該株玉米的長勢是否正常，據(jù)

2、此來判定該作物是否需要增強施肥灌溉或采取其它相應(yīng)的措施。
　　本研究主要工作如下：
　　（1）理解機器視覺的概念、數(shù)字圖像處理的應(yīng)用現(xiàn)狀、脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network,PCNN)在國內(nèi)外的研究現(xiàn)狀及作物長勢監(jiān)測的研究現(xiàn)狀；重點介紹了圖像的顯著性檢測模型的原理及應(yīng)用。
　?。?）構(gòu)建一個基于機器視覺的無線網(wǎng)絡(luò)監(jiān)測框架，用于采集玉米圖像。
　?。?）對獲取到的玉米圖像進行

3、增強預(yù)處理、去噪處理后，獲得玉米圖像的顯著圖；然后，再對顯著圖進行分割；最后，通過對比分析，得出玉米長勢結(jié)果。
　?。?）通過大量仿真實驗，驗證本文提出的去噪、顯著性檢測及圖像分割算法的有效性。
　　本研究創(chuàng)新如下：
　?。?）提出一種可變突觸鏈接強度的簡化PCNN去噪模型。該簡化PCNN模型采用自適應(yīng)的突觸鏈接強度，根據(jù)椒鹽噪聲的特點，使其隨不同的神經(jīng)元與其相鄰的神經(jīng)元相似程度的不同而自適應(yīng)變化，從而提高對噪聲的準(zhǔn)確