【关键词】 杂草识别; 图像特征; 算法; 优化;

【英文关键词】 Weed identifying; image feature; algorithm; optimization;

【中文摘要】 杂草识别分为图像采集、图像分割、模式识别、后续处理四个阶段，本文以杂草识别中的图像特征和算法为研究对象，结合杂草图像的特点优化图像特征改善算法，从而提高了自然条件下田间杂草图像的识别效果，这对提高自动除草设备实用化图像处理技术水平具有重要的理论意义和实际价值。主要研究内容为： (1)在分离植被区域和背景区域的图像分割中，对于播种前植被只包括杂草的情况研究了用于红色杂草识别的颜色特征。对于需要后续模式识别区分作物和杂草的情况，研究了光照引起的颜色失真，提出基于二维直方图的分割方法，新方法能更好的保留叶片的连通性和较好的修复叶片上的分割误差。在分析了植被和背景的分布概率后，通过Bayes理论评价分割效果，将颜色特征和分割阈值等价为颜色空间中的一个分割面，再通过遗传算法优化得到新的分割特征-149R+218G-73B。在茄科作物及其伴生杂草的实验中，现有最广泛使用的超绿特征的分割误差为理论最小分割误差的2.47倍，而新的分割特征降低为1.47倍。在棉田杂草图像的识别中，超绿特征和G特征的分割精度为84.69％和75.01％，而新的分割特征提高为91.67％。 (2)对于以区分作物和杂草为目...

【英文摘要】 After Weed identification divided to four stages as image gain, segmentation, identifying and following process, image feature and algorithm are optimized with the character of weed image to improve weed identification in nature and provide theory for automatism weed control system. The main contents are as follow: (1) In segmentation whose aim is distinguishing vegetable and background, red weeds' color features are studied before seeding when vegetable only included weeds without plant. For the ...