文档介绍：基于机器视觉的杂草图像特征提取及识别研究BasedonmachinevisionimagefeatureextractionandrecognitionweedsName:xxxTutor:xxxCollege:xxxMajor:xxxDirection:xxxxxxUniversityMayxxx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,设计了一个基于机器视觉的杂草图像特征提取及识别系统。系统的运行在参考了前人研究成果的基础上,不断进行对比试验和算法的改进,找出适合于机器视觉的杂草识别的可行性方法。本文对动态杂草图像的采集、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,填充作物中心行采用了改进的扫描线算法,和其他填充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,通过形态学滤波和扫描线填充算法去除噪声,试验结果表明扫描线算法去除噪声效果更好。基于机器视觉的杂草图像特征提取及识别系统的硬件组成主要有计算机、采集卡、摄像头、实验平台。本文从动态杂草识别的处理方法出发,在实验室内开展了一系列的试验和分析,对主要的问题和技术难点作了较为深入的研究,设计实现了基于机器视觉的杂草图像特征提取及识别系统。关键词:杂草识别;图像处理;机器视觉BasedonmachinevisionimagefeatureextractionandrecognitionweedsAbstractWeedcontestssunlightandnutrientwithcrop,asaresult,,’,atthesametime,,,sowehavetodoalotofexperimenttorestoretheblurryimage;,themethodcanseparategreenplantsfromsoilbackgroundwithoutconvertingcolorimagetograylevelimage,sothemethodismorefast,paringwithtraditionalmethods,andthusmeettherequestofreal--spaceweedfromcrop