10.11975/j.issn.1002-6819.2020.04.021
基于图像分块及重构的菠菜重叠叶片与杂草识别
针对重叠叶片在识别过程中存在识别率低、形状特征失效等问题,该研究提出一种基于图像分块及重构的方法,实现菠菜重叠叶片杂草识别.采用超绿模型将菠菜RGB图像进行灰度化得到绿色植被前景图像.针对重叠叶片形状特征失效问题,采用图像分块方式得到不同大小的图像块,并提取图像块中作物和杂草的颜色特征、局部二值模式(local binary pattern,LBP)纹理特征、分形盒维数共78维特征,构造支持向量机(support vector machine,SVM)分类器完成图像块的分类识别.该研究提出图像块边缘扩充和投票窗口机制得到重构图实现图像块分类结果可视化.试验结果表明,该研究提出的方法平均识别率达到83.78%,高于K最近邻法(K-Nearest neighbor,KNN)、决策树法等,可以实现重叠叶片的杂草识别,从而为智能除草机的研制提供理论依据.
图像分块、图像重构、重叠叶片杂草识别、颜色特征、LBP纹理特征、分形盒维数
36
TP391(计算技术、计算机技术)
国家自然科学基金31671571;山西农业大学青年科技创新基金2017013
2020-04-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
178-184