基于k-means特征学习的杂草识别研究

《基于k-means特征学习的杂草识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、－Ｉ１Ｉ：喔？－二蒙謡Ｉ味昏二Ｊ是－－ＶＩ热藥薦一－一誦議售＾乃？＂＾鏡ｒ户，墓２．．庐赢．．＂１：‘ｖ：左８義｜‘變．＾；吞＇｜ｒ．八：露：；热＾．、巧打奮资爲，ｉ襄潑？或解户截？气戸．＾＾豁／．驚＜’；：習．Ｖ、、譜．足绛；雙；＾．、｜一識茶．｜＇編．￥ｃ飾ｉ鼓＾化來换、．／毒？技．＾？致：＞＞日５Ｉ，叫伽每明ｆ餐冉Ｔ靈．：禁奔．，－苦，／義辦．＾難舊ＴＶ超．霉Ｖ换義二＇，ｗ其．ｉ＾Ｖ，．＇．＼雜疾於藝ｉ篇、．衫｜钓片若请甲部郭到數．．装．．；，著繫＾公．种．；誠．谋＼＾ｙ．

2、＂接－；ｓ．辦＾興：／象磯？？巧＾繼氣文．＾於＾：３心戀靈４益雜媛言？襄麟．＃奪譬韓瓣艦晋；謗．＾．苗講诉細一触；滅．為；以瞧．犀１＾４備．１＾餐雜薇詳．Ｍ３：Ｖ＂１顆歲雪：＾巧１＾．１ｉ：＾ｉ繁斗．５＾：＾§，．；．；手蒙．．，養＾＾７＾渡藻．－．．＾驚雀鱗＇聽或．技．著譜辞．，ｇ觀．孝心＇ｉ聲：＊露丽．＼＾：ｉ？冷ｉ蕾梦轉餐＆．：．＾占＂．養．兴哨ｐ和研究生学位絶文的独创性声明本人声明：所呈交的专业学位硕壬论文是我个人在导师指导下独立进行的研究

3、工规北作及取得的研究结果完全合校《关范；论文中的研究数据及结果的获得符学于西规如一林技大究生道》果违反此规定，切后果与法任农科学研术德的暫行定，律均学责人承担。由本加＂标注和致谢人尽我所知，除了文特别的地方外，论文不狂其６经发中中含他撰写过的研究结果，也不他人和己人。获西北林科技大或它表或包含其自本得农其学一工位或证而教机的书使过的材。与我作的究所做的任何育构学用料同同事对本研贡献已在论文的致了示。均谢作明确的说明并表了谢意中｜研若｛）日究生签；时间：兴？月渡年的剧抑导

4、导研学位论文的承诺师指究生本人承诺；我的专业学位硕壬研究生所呈交的硕壬位论文是我学在工及取结果现工按指导下独立开展研究的研究，于我巧作的结果，严格作得属岗务并照校《关于规范西北农林技大究生术道德规定》而获结学科学研学的暂行得的研究果。如果违反校《关于规范西北农林技大生道德的行规定》，愿学科学研究学术暫我接受按学校有关规定的处罚处理并承担相应导师连带责任。签４名日导师时间：月矣ｊClassificationcode:TP391Universitycode:10712UDC:004

5、.8Postgraduatenumber:2014051377Confidentialitylevel:OPENThesisforMaster’sDegreeNorthwestA＆FUniversityin2016RESEARCHONWEEDSIDENTIFICATIONBASEDONK-MEANSFEATURELEARNINGMajor:AgriculturalExtensionResearchfield:AgriculturalInformationNameofPostgraduate:HeLijunAd

6、viser:AssociateProf.ZhuJunpingDateofsubmission:May,2016YanglingShaanxiChina基于K-means特征学习的杂草识别研究摘要田间杂草的精准识别是变量喷洒技术的前提，现有的针对杂草识别的研究多以提取植物的颜色、形状、纹理和光谱等手工设计特征为主，这些手工设计特征由于存在盲目性和依赖人为经验的问题可能造成识别率的差异。针对上述问题，本实验采用K-means特征学习的方法，对植物的特征进行自动学习，并在此基础上构建杂草识别模型，最终实现田间杂草的

7、自动识别。本文的主要工作和结论如下：（1）图像预处理。针对本文实验数据的特性，采用图像标准化和图像白化两个步骤进行预处理。通过实验发现，经过预处理的数据之间相关性较低，且消除了原有数据的冗余信息，保留了有效的特征；将经过预处理的数据和原始数据都使用K-means特征学习算法聚类之后，发现没有经过白化的数据特征较为模糊，而经过白化的数据存在明显的边缘特征，且经过零成分分析（ZCA）白化的特征比经过主成分分析（PCA）白化的特征更加明显；另外通过实验证明经过预处理的数据识别率明显高于原始数据。（2）基于K-mea

8、ns特征学习构建杂草识别模型。在研究无监督特征学习识别模型的基础上，利用K-means聚类算法对预处理后的数据进行特征学习并构造特征字典，然后利用此特征字典对原始有标签数据进行特征提取并训练分类模型。在此过程中发现较多的聚类数目、较小的局部感受野以及较密集的特征提取对识别率有积极的作用；在单层网络的基础上增加网络结构，学习到更高层次的特征能提高识别率，实验结果证明在支持向量机(SupportVect