基于支持向量机杂草识别研究.pdf

◆密级:——编号:——分类号:——基于支持向量机的杂草识别研究工学硕士学位论文学科、专业:所在单位论文答辩日期:学位授予单位:硕士研究生:指导教师学位级别论文提交日期:曲昆鹏郑丽颖副教授工学硕士计算机应用技术计算机科学与技术学院年月年哈尔滨工程大学。。一一■■■●■:
耽瓻瓺.:,,
作者┳:曲啦昭作者┳:耩导师┳:御积搬年屡蛉%年弓月肜日哈尔滨工程大学学位论文原创性声明学位论文授权使用声明仍夕年滤迫本论文在授予学位后即可作者本人独立完成的。有关观点、方法、数据和文献的引用己在本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担、本人完全了解学校保护知识产权的有关规定,即研究生在校学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。解密后晒豕こ檀笱徒挥泄夭棵沤斜4妗⒒惚嗟取本人郑重声明:本论文的所有工作,是在导师的指导下,由文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对日期:攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文,可以公布论文的全部内容。同时本人保证毕业后结合口在授予学位个月后口,
摘要文选取东北地区甜菜与大豆农田杂草作为主要研究对象,对在自然光条件下本文首先对所拍摄的杂草图像进行规格化,规格化后的杂草图像大小为图像进行灰度化。在对灰度图像二值化的过程中,提出了一种改进的大津法。值图像背景上出现的白色小点,叶片上有小黑洞等情况,本文综合使用形态学处理、孔洞填充和小面积消去处理二值图像。之后提取了两个对植株有效灰度图像,使用共生矩阵与〔ǘ曰叶韧枷裉崛∥评硖卣鳌=崛〉的形状和纹理特征规格化成要求的数据集格式,将数据集输入进行处理。最后,将组合核函数与多项式核函数、撕随着计算机视觉技术的发展,使用机器视觉技术进行杂草识别已经成为当前的研究热点。本文利用支持向量机在处理小样本,非线性问题方面的优势,将支持向量机应用于杂草识别中,以提高小样本杂草识别的准确性。本使用数码相机获得的图像进行了研究,开发出了一套杂草图像识别系统,对种田间杂草实现了智能识别。。为了从复杂的背景环境下识别出杂草植株,采用超绿色法对杂草该算法十分稳定,可以比较准确的获得杂草区域的二值图像。为了能消除二的形状特征,植株的骨架面积比、骨架周长比。然后将目标二值图像映射到了对比。通过仿真实验证明了正确选择参数的组合核函数对支持向量机分类器性能有所提高。关键词:杂草识别;图像处理;特征提取;支持向量机;组合核函数哈尔滨檀笱妒宦畚
..—哈尔滨檀笱妒垦宦畚珽,,,,..,.,瓵瑆·
,.
目录杂草识别研究国内外概况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。』颉维理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..支持向量机的标准算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.支持向量机变形算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.惴ā本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第略硬萃枷竦你兄捣指钣牒笮怼第滦髀邸选题背景与研究目的及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。支持向量机方法的提出与发展⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。本文的研究内容和结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..统计学习理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.峁狗缦兆钚』⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..甋算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.惴ā杂草图像的获取与预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..
.疚奶岢龅腛兄捣指罘椒ā本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.形状特征的提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。实验设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯攻读硕士学位期间发表的论文和取得的科研成果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯利用颜色特征获得杂草区域⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯