基于群体智能算法优化的农作物病虫害的识别技术研究
发布时间：2022-02-21 05:44
农作物病虫害分类识别研究既能帮助农民快速预防农作物病虫害,又能减少农药对生态环境的破坏。运用群体智能算法和图像处理技术能够有效解决农作物病虫害分类识别过程中所遇到的关键问题。本文以龙眼病虫害为研究对象,通过对群体智能算法的研究与改进,将群体智能算法应用在彩色病虫害图像预处理、彩色病虫害图像分割、彩色病虫害图像多特征提取以及彩色病虫害图像识别等方面展开研究。本文所做的科研工作总结如下:（1）针对传统粒子群算法应用在图像识别的各个环节目标优化时存在收敛速度慢和易陷入局部最优等问题,提出相应的改进思路。从两个方面来改进混沌粒子群算法:一是提出了一种基于混沌理论的二进制粒子群算法（CBPSO）,通过将混沌变量相互转化离散的二进制向量,改善算法对离散问题处理的局限性,提升算法的处理速度;二是提出了一种基于自适应调整的混沌粒子群算法（ACPSO）,通过对惯性权重的动态调整,提升算法的搜索效率,提高算法的搜索准确性。实验表明改进的算法在精度方面和稳定性方面是有效的。（2）针对彩色病虫害图像存在图像背景较为复杂、后期难以分割等问题,提出了一种基于混沌粒子群算法和模糊聚类的彩色病斑图像分割方法,首先将颜...
【文章来源】：华南农业大学广东省
【文章页数】：137 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 前言
1.1 课题来源
1.2 研究背景与意义
1.3 研究现状分析
1.3.1 粒子群算法
1.3.2 病虫害图像分割方法
1.3.3 病虫害图像特征提取方法
1.3.4 病虫害图像识别方法
1.4 研究目标与内容
1.4.1 研究目标
1.4.2 研究内容
1.5 论文结构
第2章 粒子群算法
2.1 粒子群算法相关理论
2.1.1 粒子群算法基本形式
2.1.2 粒子群算法基本流程
2.1.3 粒子群算法的改进
2.2 基于混沌理论的粒子群算法
2.2.1 混沌的定义
2.2.2 基于混沌理论的改进思路
2.2.3 CPSO算法描述
2.2.4 CPSO算法分析
2.3 混沌二进制粒子群算法
2.3.1 CBPSO算法描述
2.3.2 CBPSO算法分析
2.4 自适应混沌粒子群算法
2.4.1 ACPSO算法描述
2.4.2 ACPSO算法分析
2.5 本章小结
第3章 图像采集与图像预处理
3.1 图像获取
3.1.1 研究对象的主要病害
3.1.2 图像获取
3.2 彩色图像预处理
3.2.1 高斯滤波
3.2.2 直方图均衡
3.2.3 中值滤波
3.2.4 图像锐化
3.3 预处理结果与分析
3.4 本章小结
第4章 彩色病虫害图像分割方法
4.1 图像分割技术
4.1.1 图像分割技术概述
4.1.2 彩色图像分割算法分析
4.2 彩色空间
4.2.1 彩色空间分析
4.2.2 基于新彩色空间的选择
4.3 基于Otsu和分水岭算法的彩色病斑图像分割方法
4.3.1 算法描述
4.3.2 梯度计算
4.3.3 开闭重建标记提取
4.3.4 Otsu阈值处理
4.3.5 分水岭分割
4.4 基于混沌粒子群算法和模糊聚类的彩色病斑图像分割方法
4.4.1 算法描述
4.4.2 模糊聚类分析
4.4.3 特征距离
4.4.4 CPSO-FCM算法设计
4.5 结果与分析
4.6 本章小结
第5章 彩色病虫害图像的多特征提取方法
5.1 颜色特征提取
5.1.1 颜色特征提取方法
5.1.2 基于新颜色空间和颜色矩的颜色特征提取方法及分析
5.2 纹理特征提取
5.2.1 纹理特征提取方法
5.2.2 基于GLCM和LBP的纹理特征提取方法及分析
5.3 形状特征提取
5.3.1 形状特征提取方法
5.3.2 基于Hu不变矩的形状特征提取方法及分析
5.4 局部特征提取
5.4.1 局部特征提取方法
5.4.2 基于改进的SURF的局部特征提取方法及分析
5.5 特征选择
5.5.1 基于主成分分析法的多特征选择算法
5.5.2 基于二进制混沌粒子群算法的多特征选择算法
5.6 结果与分析
5.6.1 样本数据的选择
5.6.2 结果分析
5.7 .本章小结
第6章 彩色病虫害图像识别方法
6.1 支持向量机
6.1.1 概述
6.1.2 支持向量机参数优化选择
6.2 基于PSO-SVM的农作物病虫害识别方法
6.2.1 PSO-SVM分类算法
6.2.2 结果与分析
6.3 基于ACPSO-SVM的农作物病虫害识别方法
6.3.1 ACPSO-SVM分类算法
6.3.2 结果与分析
6.4 有效支持向量机参数选择方法分析
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
附录 攻读博士学位期间的科研成果
本文编号：3636621
【文章来源】：华南农业大学广东省
【文章页数】：137 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 前言
1.1 课题来源
1.2 研究背景与意义
1.3 研究现状分析
1.3.1 粒子群算法
1.3.2 病虫害图像分割方法
1.3.3 病虫害图像特征提取方法
1.3.4 病虫害图像识别方法
1.4 研究目标与内容
1.4.1 研究目标
1.4.2 研究内容
1.5 论文结构
第2章 粒子群算法
2.1 粒子群算法相关理论
2.1.1 粒子群算法基本形式
2.1.2 粒子群算法基本流程
2.1.3 粒子群算法的改进
2.2 基于混沌理论的粒子群算法
2.2.1 混沌的定义
2.2.2 基于混沌理论的改进思路
2.2.3 CPSO算法描述
2.2.4 CPSO算法分析
2.3 混沌二进制粒子群算法
2.3.1 CBPSO算法描述
2.3.2 CBPSO算法分析
2.4 自适应混沌粒子群算法
2.4.1 ACPSO算法描述
2.4.2 ACPSO算法分析
2.5 本章小结
第3章 图像采集与图像预处理
3.1 图像获取
3.1.1 研究对象的主要病害
3.1.2 图像获取
3.2 彩色图像预处理
3.2.1 高斯滤波
3.2.2 直方图均衡
3.2.3 中值滤波
3.2.4 图像锐化
3.3 预处理结果与分析
3.4 本章小结
第4章 彩色病虫害图像分割方法
4.1 图像分割技术
4.1.1 图像分割技术概述
4.1.2 彩色图像分割算法分析
4.2 彩色空间
4.2.1 彩色空间分析
4.2.2 基于新彩色空间的选择
4.3 基于Otsu和分水岭算法的彩色病斑图像分割方法
4.3.1 算法描述
4.3.2 梯度计算
4.3.3 开闭重建标记提取
4.3.4 Otsu阈值处理
4.3.5 分水岭分割
4.4 基于混沌粒子群算法和模糊聚类的彩色病斑图像分割方法
4.4.1 算法描述
4.4.2 模糊聚类分析
4.4.3 特征距离
4.4.4 CPSO-FCM算法设计
4.5 结果与分析
4.6 本章小结
第5章 彩色病虫害图像的多特征提取方法
5.1 颜色特征提取
5.1.1 颜色特征提取方法
5.1.2 基于新颜色空间和颜色矩的颜色特征提取方法及分析
5.2 纹理特征提取
5.2.1 纹理特征提取方法
5.2.2 基于GLCM和LBP的纹理特征提取方法及分析
5.3 形状特征提取
5.3.1 形状特征提取方法
5.3.2 基于Hu不变矩的形状特征提取方法及分析
5.4 局部特征提取
5.4.1 局部特征提取方法
5.4.2 基于改进的SURF的局部特征提取方法及分析
5.5 特征选择
5.5.1 基于主成分分析法的多特征选择算法
5.5.2 基于二进制混沌粒子群算法的多特征选择算法
5.6 结果与分析
5.6.1 样本数据的选择
5.6.2 结果分析
5.7 .本章小结
第6章 彩色病虫害图像识别方法
6.1 支持向量机
6.1.1 概述
6.1.2 支持向量机参数优化选择
6.2 基于PSO-SVM的农作物病虫害识别方法
6.2.1 PSO-SVM分类算法
6.2.2 结果与分析
6.3 基于ACPSO-SVM的农作物病虫害识别方法
6.3.1 ACPSO-SVM分类算法
6.3.2 结果与分析
6.4 有效支持向量机参数选择方法分析
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
附录 攻读博士学位期间的科研成果
本文编号：3636621
本文链接：https://www.wllwen.com/shoufeilunwen/nykjbs/3636621.html