面向雜草識(shí)別的特征提取方法研究.pdf

1、加大力度推進(jìn)精準(zhǔn)化農(nóng)業(yè)已是農(nóng)業(yè)進(jìn)步的必然走向，而雜草是阻礙農(nóng)業(yè)向前發(fā)展的重要因素。為了在除草中使除草劑的精準(zhǔn)變量噴灑變成現(xiàn)實(shí)，以圖像處理技術(shù)為基礎(chǔ)的雜草識(shí)別已經(jīng)變成了雜草識(shí)別研究的重點(diǎn)。基于機(jī)器視覺(jué)技術(shù)的雜草識(shí)別過(guò)程中，特征提取作為其中的一個(gè)關(guān)鍵步驟，其對(duì)最后的識(shí)別效果具有一定的影響，單一特征無(wú)法準(zhǔn)確識(shí)別田地中的多類(lèi)別雜草。因此，研究多類(lèi)別特征融合的雜草識(shí)別技術(shù)具有重要的理論與現(xiàn)實(shí)意義。
　　本文針對(duì)基于多特征融合技術(shù)的雜草識(shí)別問(wèn)

2、題，做了如下工作:
　　首先，雜草圖像分割。首先對(duì)雜草（如打碗花、反枝莧、苣荬菜、皺果莧和鱧腸）葉片圖像進(jìn)行灰度化處理，通過(guò)對(duì)平均值法、加權(quán)平均值法、最大值法處理后比較它們的處理結(jié)果，本文運(yùn)用加權(quán)平均法將彩色圖像變?yōu)榛叶葓D像，再運(yùn)用中值濾波法進(jìn)行平滑濾波處理;然后，再運(yùn)用灰度直方圖、最大類(lèi)間方差法和最大熵閾值法對(duì)灰度圖像進(jìn)行分割，根據(jù)結(jié)果得出最大閾值法分割出的圖像最好，所以運(yùn)用最大閾值法進(jìn)行分割灰度圖像;最后，本文分別運(yùn)用Sobe

3、l算子、Roberts算子、高斯濾波(LOG)算子、Prewitt算子和Canny算子進(jìn)行邊緣檢測(cè)處理，實(shí)驗(yàn)效果表明σ=2的高斯濾波算子邊緣檢測(cè)處理的結(jié)果更好，因此本文選擇σ=2時(shí)的LOG算子進(jìn)行圖像邊緣檢測(cè)。
　　其次，多類(lèi)別特征的提取和融合。在顏色特征提取中，通過(guò)比較分析，HSI顏色空間中S成分的一階矩、二階矩和三階矩作為雜草圖像顏色類(lèi)別特征;在形狀特征提取中，通過(guò)對(duì)比分析，灰度空間中矩形度、寬長(zhǎng)比、球狀性和圓形度作為雜草圖像

4、形狀類(lèi)別特征;在紋理特征提取中，通過(guò)對(duì)比分析，灰度空間下灰度共生矩陣的能量、相關(guān)性和熵作為雜草圖像紋理類(lèi)別特征。然后本文采用相關(guān)保留與主成分分析相結(jié)合的降維技術(shù)對(duì)特征空間降維融合，根據(jù)特征參數(shù)的相關(guān)系數(shù)矩陣保留相關(guān)系數(shù)小于0.7的特征參數(shù)，特征參數(shù)為對(duì)比度，相關(guān)性，二階矩，然后采用主成分分析對(duì)剩余特征參數(shù)進(jìn)行降維融合，獲取兩個(gè)主成分，將兩個(gè)主成分與對(duì)比度，相關(guān)性，二階矩組成識(shí)別雜草的特征空間。
　　最后，針對(duì)5類(lèi)雜草的200個(gè)樣本

5、，其中160個(gè)樣本作為訓(xùn)練集，40個(gè)樣本作為測(cè)試集，采用基于局部權(quán)重k-近質(zhì)心近鄰分類(lèi)算法與其他傳統(tǒng)方法進(jìn)行雜草識(shí)別的對(duì)比性試驗(yàn)。對(duì)比性試驗(yàn)分別在5種雜草，3種雜草和兩種雜草的情況下進(jìn)行，在這3種情況下，本文提出方法在三種條件下的雜草識(shí)別率分別為88％，87.5％和86.5％，高于傳統(tǒng)方法的在相同條件下的最高雜草識(shí)別率。
　　基于多特征融合的雜草識(shí)別方法能夠解決棉花田地中的多類(lèi)別雜草識(shí)別問(wèn)題。此方法也可以被應(yīng)用到其它田地中的多類(lèi)別