论文总字数：18788字

目 录

1绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 1

1.3 本章小结 2

2主成分分析（PCA） 3

2.1 最优投影矩阵和特征提取的概念 3

2.2 PCA算法识别算法的步驟 4

2.2.1 训练阶段 4

2.2.2 识别阶段 4

2.3 矩阵列向量化 5

2.4 协方差的求解 6

2.5 奇异值（分解） 6

2.6 本章小结 7

3农作物图像预处理 7

3.1 农作物种类识别流程 7

3.2 图像归一化 8

3.3 灰度化处理 8

3.4 图像的降噪滤波 9

3.5 图像的二值化 10

3.6 形态学处理 11

3.7 图像的锐化 13

3.8 本章小结 13

4图像识别方法 14

4.1 基于BP的图像识别 14

4.2 Adaboost 算法 15

4.3 支持向量机（SVM） 15

4.4 K-最近邻法（KNN） 15

4.5 本章小结 16

5实验结果 16

5.1 实验样本库 16

5.2 实验测试与结果分析 17

5.2.1 农作物图像运用PCA分类的准确率 18

5.2.2 农作物叶片图像运用PCA分类的准确率 18

5.2.3 农作物图像识别和农作物叶片图像分类识别的准确率和所用时间 19

5.3 本章小结 19

6总结与讨论 19

参考文献 20

致谢 21

基于图像识别的农作物种类识别研究

陈曦

, China

Abstract: The identification of crop types is the basis for crop planting and research. With the rapid development of information technology, pattern recognition and image processing technologies have been widely used in various fields of people's production and life. With the development of image photography technology, people’s interest in crops has deepened, providing opportunities for crop species identification.

This paper takes the crop image as the research object, firstly carries on the pretreatment to the crop image, uses the PCA to carry on the extraction of the characteristic value and the feature vector, and proposed the PCA-based classification algorithm, uses this algorithm to carry on the crop image recognition and the classification. The main work of the dissertation is as follows:

(1) In order to obtain as much useful information as possible on the crop image, this article performed a series of pre-processing processes on the crop image, such as normalization, gray-scale processing, image binarization, morphology processing, Sharpening of images, etc.

(2) PCA is used to extract feature values and feature vectors, and is classified based on PCA's nearest neighbor method.

(3) Extract the leaves of crops for PCA classification and analysis.

Keywords: crop species identification; PCA; feature extraction; nearest neighbor classification

1绪论

1.1研究背景及意义

农作物是自然界重要的组成部分，它赋予地球盎然的生机，是其他生物生命的基础。农作物包括粮食作物、经济作物两大类。人类的食物大多是由可食用的农作物经过加工制作而成。“民以食为天”，这句话表达了农作物对人类生产生活的重要性。食物的自给自足，这是一个国家可持续发展的关键。随着人们对大自然探索的不断深入以及不合理的开发和利用，导致人类面临着自然环境的逐步恶化，粮食短缺并且不安全，能源资源迅速减少等一系列问题，农作物在解决这一系列问题中有着举足轻重的作用。

从原始社会人类出现开始，人们与自然的接触过程中，人们需要知道哪些东西可以吃，哪些东西不能吃，哪些东西能够当作药物使用等等，这些需要对植物进行分类，这些信息的慢慢积累，人们需要经过口口相传，这些经验才流传了下来。这种方式需要和人的生产生活经验实践经验相结合，但是这种依靠人本身的传统的识别植物种类的方法存在着许多弊端，如工作量大，工作效率低等，同时获得的数据也是相对主观的，并不能确保能够得到客观和准确的识别结果^[1]。图像处理和图像分类识别等技术在信息技术快速发展的过程中在各个领域被使用的非常广泛，因此如何运用计算机快速、准确的识别植物的研究正进行的如火朝天。人们运用图像处理技术对植物叶片图像进行预处理操作，接着对图像进行特征提取，最后选择恰当的分类器对植物叶片种类进行识别分类。

1.2国内外研究现状

数字图像处理是人们通过计算机对数字图像进行一系列预处理操作的过程，它包括图像灰度处理、降噪过滤、图像锐化等数字化的操作。上个世纪50年代，计算机的诞生和逐步发展，让人们逐渐开始了图像数字化操作处理的研究。当时，人们只是想提高图像的画质质量。人们将画质比较模糊的图像，通过计算机的编码、滤波去噪等一系列操作之后，得到画质比较清晰的图像。随着人们对数字图像处理技术理论研究的逐步进行，人们对数字图像处理技术掌握的越来越深入，运用的也越来越熟练，数字图像处理技术也慢慢的在各个领域中得以应用。气象部门通过对气象云图进行数字化处理，快速地得出了准确的气象实时情况。机械生产部门将数字化处理用于自动识别金相图，使得生产效率提高；水利部门通过数字化分析处理遥感图像，得到了水利方面的相关信息；医疗部门通过CT等图像的数字化处理，能够快速的进行疾病的初步的诊断，辅助医生对病情诊断用药。农作物图像的分类识别主要是利用数字化图像处理技术对农作物图像进行分析处理。人们通过对农作物种类的分析识别，去了解农作物的生长进化规律，为人类研究农作物种类之间的亲缘，地域关系提供依据，帮助人们更好地发展农业生产。

剩余内容已隐藏，请支付后下载全文，论文总字数：18788字