农作物病害危害程度自动测定与分级研究
儿童文学
来源:本站
2019-07-06

农作物病害危害程度自动测定与分级研究

【林业推广论文】农作物病害危害程度自动测定与分级研究摘要:农作物在生长和发育过程中,经常受到各种因素的影响,导致农作物发生病害。

准确、快速的处理与识别植物病害图像,并自动可靠的对其进行危害程度测定是进行农作物病害防治的关键。 为此研究了利用分形理论对农作物病变叶片自然纹理图像进行处理,利用BP网络来实现自然纹理图像的分类问题。 分析各种不同的特征在分类器中的性能,提出了一种纹理特征性能的比较方法。

关键词:农作物病害;基于分形的图像处理;BP网络设计准确、快速的处理与识别植物病害图像,并自动可靠的对其进行危害程度测定是进行植物病害防治的关键。

反应农作物病害的危害程度的计量方法就是分级法,常用病叶受害面积比来衡量,一般有十级法、五级法或六级法。 国内常采用的目测法或纸卡法由于受主观因素的影响,特别是对于病斑小、数量多的病叶进行病害程度分级误差比较大。

为实现植物病虫害防治方法的自动化和现代化,迫切需要一种能够模拟人的视觉功能而又能超越它的性能的机器视觉系统。 1图像处理纹理是图像分析中常用的概念,纹理是指在图像中反复出现的局部模式和它们的排列规则,图像的纹理描述可以提供区域的平滑、稀疏、规则性等特性。

粗糙性和方向性是人们区分纹理时所用的两个最主要特征[1]。 目前纹理特征的计算方法主要有基于图像结构模型(structuralmodel)的方法、基于图像统计模型(statisticmodel)的方法、基于滤波器模型(filtermodel)的方法、基于随机场模型(randomfieldmodel)的方法以及基于分形模型(fractalmodel)[2]的方法等。

在传统的纹理识别方法中,例如共生矩阵法和行程长度法,其本质上仅是一种对图像纹理的全局统计表示,缺少局部和细节信息,所以识别效率低,而且易受噪声影响。

基于分形的纹理分类方法是把自然纹理粗糙度和分形维数相关联的一种纹理分类方法。

其重要特点是:在一定范围内独立于分辨率,独立于视角而稳定存在的物质表示量。 1997年,Gregory等利用了lin。