基于顏色特征和改進Adaboost算法的麥穗識別的研究.pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、小麥種植面積和生產數量世界上占據第一位,是不可或缺的糧食作物。在世界上,有三分之一的人口以小麥做為主要糧食,在我國,小麥產量是整個農業(yè)的基石,在國民經濟中也占據著舉足輕重的地位。而選擇合適的小麥品種并掌握其特性、準確預測小麥的分蘗率都對提高小麥產量有著重要的意義。傳統(tǒng)的方法要求育種專家付出巨大的勞動量。因此,實現小麥的自動識別具有重要的實際意義。
  傳統(tǒng)的小麥產量預測方法主要有:田間人工判斷預測法、衛(wèi)星預測法、自然條件和需求關系

2、分析預測法、年景預測法等方法,這些預測方法雖然具有一定的準確度但是具有明顯的缺陷:人工判斷往往通過經驗來判斷結果,而個人經驗或多或少的差異導致預測存在偏差;衛(wèi)星預測使用衛(wèi)星遠距離拍攝,圖像拍攝面積大,數據量大,適合宏觀上的分析和歸納,對局部地區(qū)小麥的產量預測準確度低;利用氣候與供給關系分析以及年景法進行預測以先前經驗為基礎,偶然性大,精度低,可靠性低。
  鑒于傳統(tǒng)方法所具有的諸多缺點,為了提供給育種專家更可靠、便捷、科學的數據,

3、本文提出將計算機多媒體技術應用在小麥產量預測當中,以數字圖像處理技術為基礎結合顏色特征、模式識別等領域的相關技術,研究小麥的顏色、形狀、紋理等特性,并設計分類器對小麥圖片進行計數識別。本文的主要工作如下:
  1.色彩空間選擇。色彩空間包括RGB空間、YUV空間、HSV空間等,論文通過對處于乳熟期的麥穗所具有的顏色信息分析和實驗對比,提出了以HSV空間色調信息作為麥穗的主要顏色特征,實驗驗證了使用色調信息可以在很大程度上剔除小麥照

4、片中的背景。
  2.根據麥田的環(huán)境情況,設計了樣本采集的方式和裝置。對圖像進行了預處理,并提出了一種基于HSV空間H分量的圖像灰度化方法。
  3.設計了基于Adaboost麥穗識別算法,選取Haar特征并用積分圖進行計算,詳細描述了弱分類器的訓練過程以及最終構成級聯(lián)分類器的流程。最后通過實驗證明Adaboost算法在無遮擋的麥穗檢測上具有良好的識別能力。
  4.Haar特征只能對形狀進行判斷,沒有考慮紋理特性,因

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論