大田小麥葉部病害智能診斷系統(tǒng)研究與應用.pdf

1、利用圖像處理技術對小麥病害進行識別的研究，對準確認識小麥病害，指導農業(yè)生產者防治病害，減少病害對小麥產量的影響，保證國家糧食安全，具有很重要的現實意義?；趫D像處理的小麥病害識別技術是一個新的應用研究領域，國內在這方面還沒有進行系統(tǒng)的研究。本文在總結國內外相關研究的基礎上，研究了復雜背景下的小麥葉部病害圖像的分割算法，提取了其顏色、紋理和形狀特征，經過特征選擇方法得到多種病害識別的核心特征，研究了基于支持向量機決策樹的多類分類器設計算法

2、，設計和開發(fā)了基于圖像處理的小麥葉部病害智能識別系統(tǒng)，為大田小麥病害智能識別系統(tǒng)的研究和開發(fā)提供了基礎研究。本文的主要研究內容如下：
　　 1.小麥葉部病害圖像分割算法的研究。針對小麥葉部病害圖像獲取時背景較為復雜、后期難以分割的情況，研究基于數學形態(tài)學的圖像分割技術，并結合分水嶺算法和閾值分割算法等諸多算法，提出一種適合于大田復雜背景下的圖像分割算法。
　　 2.小麥葉部病害圖像顏色特征提取算法的研究。綜合考慮前人在不

3、同作物病害識別中的研究成果，定義新的顏色特征參數，研究小麥葉部病害在RGB顏色空間和HSI顏色空間的特征提取算法。
　　 3.小麥葉部病害圖像形狀特征提取算法的研究。在重點研究了前人在形狀特征提取方面的成果后，綜合考慮小麥葉部不同病害在形狀方面的差別，定義新的形狀特征參數，研究適合小麥葉部病害識別的形狀特征提取算法。
　　 4.小麥葉部病害圖像紋理特征提取算法的研究。綜合考慮前人在紋理特征提取方面的研究成果，研究適合小麥

4、葉部病害識別的紋理特征提取算法，提取相應的紋理特征。
　　 5.研究利用提取的顏色、形狀和紋理特征，通過合適的特征選擇方法，找到適合小麥葉部多種病害識別的分類特征。
　　 6.小麥葉部病害識別算法的研究。為了提高多類分類器的識別率，減少訓練時間，且使模型具有很好的推廣能力，在綜合考慮待分類樣本數以及類別的易分性能的基礎上，在“先分樣本數較大的類”和“先分易分的類”之間折中考慮，提出了一種基于樣本的新的類劃分方案，并采用平

5、衡決策樹結構，得到一種新的支持向量機多類分類算法。經Statlog數據庫中的數據集的實驗結果得知：該算法在不降低識別率的情況下，能大大減少系統(tǒng)的訓練時間，是一種有效的多類分類算法。同時，為了避免在歐式空間中采用歐式距離進行類間可分性度量的計算時，將樣本的不同屬性之間的差別等同看待，而沒有考慮到變量之間的相關關系的缺點，綜合考慮馬氏距離不受量綱影響，且與原始數據的測量單位無關的優(yōu)點，提出了一種新的基于馬氏距離的類間可分性度量的計算方法。實