文档介绍：踌霄邻童大肇硕士研究生学位论文题目:盐篡扭型堂皇这丕自主墓让篡狃堂院保密期限:奎垣蚯业:密级:学号:量§量姓专导师:院:年月日名:
本人签名:查叠通本人签名:查骑虽趁宰翼塑褐帘保密论文注释:本学位论文属于保密在一年解密后适用本授权书。非保密论文独纽五本人声明果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。申请学位论文与资料若有不实之处,本人承担一切相关责任。垫褐竖关于论文使用授权的说明学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笞袷卮斯娑注释:本学位论文不属于保密范围,适用本授权书。:导师签名:期:日期:
一●●●●●\
玉米叶部病斑图像智能处理算法的研究与实现摘要利用机器视觉来解决农作物病害诊断问题,进而达到防治病害和节约成本的目的,是现代农业最显著的特点之一。目前有很多关于数字图像处理技术用于这一领域的研究,其中图像分割是最重要的一部分,它关系到特征提取和后续识别的氯仿剩绾谓岷隙嘀址指詈驮ご砑际跏潜狙芯康闹氐恪1疚囊源蟀卟小斑病、灰斑病、弯孢叶斑病、锈病和褐斑钟衩滓恫坎“咄枷裎Q芯慷韵螅实现了玉米叶部病斑的自动识别系统。系统主要由四部分组成:图像预处理,图像分割,特征提取,分类识别,基于系统实现需要,本文主要研究了以下内容:枷裨ご硭惴ǖ难芯浚饕J迪至送枷袼跣⒆远眉艉屯枷裨銮克惴ā由于从大田拍摄的玉米叶片病斑图像像素过大,直接进行处理会影响效率,本文所处理的图像是由索尼拍摄的分辨率为×的图像,无法直接进行分割算法处理,所以要先对原图像进行缩小操作,为了裁剪出病斑所在区域,本文使用了基于人眼视觉的图像自动裁剪技术,使用分块来计算影响人眼视觉的影响因子来裁剪图像,为了更精确地裁剪出目标区域图像,本文在原有的鲇跋因子中加入了颜色影响因子,裁剪效果明显要好很多。而裁剪后的图像要经过图像增强,才便于后续的分割处理,由于玉米病斑图像中有些随机杂点,通过中值滤波算法可以很好的过滤掉这些杂点。枷穹指钏惴ǖ难芯浚壳埃魑镆恫坎“叻指畹姆椒ù蠖嗍抢貌∫镀和病斑的灰度差异,采用固定阈值分割算法或用明确的判别标准来区分叶片部分和病斑部分。但实际上,由于病叶图像中的对象具有模糊性和不确定性,对象的边界不可能清晰明确,作物叶片和病斑本身颜色的不均匀和灰度值存在着重叠,因此很难用固定阈值或确定的准则来准确的确定病叶图像中不确定的对象。为了提高玉米叶片病斑的分割效果,本文提出了将局部阈值法与区域增长法相结合的作物病害图像自适应分割算法。衩滓镀“咛卣鞯奶崛∮胂低逞橹ぁ1疚闹饕L崛×擞衩滓镀“叩募个形态特征:面积、周长、圆形度、矩形度和复杂度。通过模糊识别算法来判别病斑种类,验证各个特征对不同病斑的影响因子,通过实验得出图像缩小因子和图像裁剪分块的个数。北京邮电大学硕‘貉芯可弦德郏
●关键字:预处理、图像裁剪、图像分割、局部增长、特征提取整个系统,基于文档视图结构,能够完成对病斑图像的预处理、病斑分割,特征提取和自动识别功能,并且所有功能都可以通过点击相应的菜单项实现,操作简单,并且处理过程可以在界面上显示,可视化好。北京邮电人学硕:貉芯可弦德畚玉米叶部病斑图像智能处理算法的研究与实现
琺甤..甌瓺甌,.甌,,,..瓹琽,珻,琲猺琣,.琤甀北京邮电大学硕上研究生毕业论文玉米叶部病斑图像智能处理算法的研究与实现琲疭
.篿,.:,,..琲.,猵,,琭甌●
目录绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯课题来源与研究意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外研究进展⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究内容,方法和技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第二章病斑图像预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图像预处理技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图像缩放⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.