基于典型叶片模板自动匹配的虫损叶面积测量.pdf

基于典型叶片模板自动匹配的虫损叶面积测量.pdf

ID:51416653

大小:466.92 KB

页数:6页

时间:2020-03-23

基于典型叶片模板自动匹配的虫损叶面积测量.pdf_第1页
基于典型叶片模板自动匹配的虫损叶面积测量.pdf_第2页
基于典型叶片模板自动匹配的虫损叶面积测量.pdf_第3页
基于典型叶片模板自动匹配的虫损叶面积测量.pdf_第4页
基于典型叶片模板自动匹配的虫损叶面积测量.pdf_第5页
资源描述:

《基于典型叶片模板自动匹配的虫损叶面积测量.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第26卷第3期2162010年3月农业工程学报TransactionsoftheCSAE、,01.26No.3Mar.2010基于典型叶片模板自动匹配的虫损叶面积测量钟取发,周平※,付斌斌,刘科文(浙江理工大学视觉检测研究所,杭州310018)摘要:为了定量化评估农作物的虫害程度,提出了一种基于典型叶片模板自动匹配的叶片虫损面积测量新方法。先将叶片图像二值化并提取其外轮廓:再对提取的轮廓进行多边形近似,以多边形的顶点为端点将叶片外轮廓划分成若干子轮廓;然后采用形状上下文对完整叶片与虫损叶片之间的子轮廓进行自动配准,找出其

2、间的相互映射关系;最后根据映射关系对虫损叶片进行重建,计算出虫损面积。对10类不同叶片的测量分析表明:该方法平均每叶片耗时O.962s,最大相对误差为8.22%,平均相对误差为4.78%。其中,形状复杂度高的叶片平均相对误差为7.48%,复杂度中等的叶片为5.99%,复杂度低的叶片为1.84%。结果表明,该方法能准确而快速地测量虫损叶面积。关键词:图像处理,计算机视觉,测量,轮廓匹配,形状上下文,多边形近似doi:lO.39690.issn.1002—6819.2010.03.036中图分类号:TP391.41文献标识码

3、:A文章编号:1002—6819(2010)-03—0216—06钟取发,周平,付斌斌,等.基于典型叶片模板自动匹配的虫损叶面积测量[J].农业工程学报,2010,26(3):216--221.ZhongQufa,ZhouPing,FuBinbin,eta1.Measurementofpest-damagedareaofleafbasedonauto-matchingofrepresentativeleatIJ].TransactionsoftheCSAE,2010,26(3):216--221.(inChinesewi

4、thEnglish曲straet)071言计算出虫损叶面积来。本文方法的思想框架如图1所示。叶片是植物进行光合作用、蒸腾作用的主要器官。叶面积是估算植物特征参数模型输入或输出的重要参数,常被用在植物生理生化、遗传育种、作物栽培等研究中,以及被用于虫害程度、农作物产量品质等评估中。叶片虫损面积测量在病虫害防治、树木养护管理等方面具有重要的意义【l】。目前,叶面积的测定方法主要有:方格法【21、复印称苇法【3】、测定叶片长宽建立回归方程法【4】以及图像分析法[1,5-s]。然而,这些方法在测量不完整的虫损叶面积时,却遇到了困

5、难,因为难以较为精确地恢复叶片的全貌,以确定出具体的虫损叶面积。随着计算机成本的下降和运算速度的提高,基于计算机视觉技术的农产品在线检测技术已得到了广泛的应用【9。111,本文综合利用计算机视觉、图像处理技术,提出了一种基于典型叶片模板自动匹配的虫损叶面积测量新方法,以求快速、精确地解决现有方法在测量虫损叶面积方面存在的缺憾。1方法描述同一类犁的叶片,其形状具有相似性。根据该特点,可由典型的完整叶片来虚拟重建虫损叶片的原貌,从而,收稿日期:2009-04.1l修订日期:2009.12-02基金项目:国家自然科学基金资助项

6、目(50545027):浙江省科技计划资助项目(2007C33029)作者简介:钟取发(1984一),男,湖南岳阳人,主要研究方向:计算机视觉与模式识别、视觉检测。杭州浙江理工大学信电学院,310018.Email:zq响z1984@163.corn※通信作者:周平(1960一),男,杭州人,教授,博士,主要研究方向:计算机视觉与模式识别、视觉检测。杭州浙江理工大学视觉检测研究所,310018。Emaihzp@zstu.Ixhl.en图1本文方法的算法流程图Fig.1Algorithmflowchartoftheprop

7、osedmethod2用近似多边形自动划分子轮廓虫损叶片只残留下部分轮廓,在与完整叶片进行匹配时,只能是部分匹配。为此,需要提取具有代表性的叶片子轮廓。而多边形近似法能以最少的数据量,最大限度地反映曲线的形状特征,近似多边形的顶点则是轮廓曲线上方向变化最快点和曲率极值点【_71。因此,本文方法先对轮廓进行多边形近似,然后,以多边形顶点为端点将叶片的整个轮廓自动划分为多个子轮廓。现有的多边形近似方法大致可分为两类:一类是在一定的误差范围内,求取原始轮廓曲线的最佳近似多边形,再将近似多边形的顶点作为曲线上的特征点;另一类是直

8、接在曲线上检测出特征点作为近似多边形的各顶点[12-16】。文献【15]综合考虑了顶点的夹角和顶点间距离等信息提出了相关度的概念,通过逐步剔除相关度小的顶第3期钟取发等:基于典型叶片模板自动匹配的虫损叶面积测量217点以自动筛选出近似多边形的各顶点。该方法每次只是删除相关度最小的顶点,因此,效率不高。本文改进该方法,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。