【正文】 本科畢業(yè)論文小麥腥黑穗病鑒定的SVM方法摘 要紋理圖像的自動分類在許多領(lǐng)域都是一項(xiàng)關(guān)鍵的任務(wù)，其中包括農(nóng)作物產(chǎn)品等級分類、可視場景的目標(biāo)檢測、信息檢索、醫(yī)學(xué)應(yīng)用等等。當(dāng)直接在圖像上進(jìn)行操作時，傳統(tǒng)的分類方法由于數(shù)據(jù)的高維特性表現(xiàn)差，很難取得較好的效果。但是支持向量機(jī)（Support Vector Machine，SVM）可以克服極高維表示的缺陷，被廣泛運(yùn)用到紋理圖像分類中去。本文所做的主要工作如下：，分析支持向量機(jī)核函數(shù)中各個參數(shù)對分類模型的影響，比較各參數(shù)對SVM的尋優(yōu)能力。同時簡單介紹SVM在紋理圖像分類中的應(yīng)用。、Tamura方法和Gabor濾波方法分別提取圖像的紋理特征，并對比三種方法對分類出石紋和樹皮紋理兩種圖像的能力。本文著重分析了灰度共生矩陣這一種方法。，并對SVM的分類能力進(jìn)行測試和比較，分析了不同參數(shù)優(yōu)化方法對圖像分類準(zhǔn)確率的影響。關(guān)鍵詞：支持向量機(jī) 紋理圖像特征 圖像分類 腥黑穗病鑒定Wheat red in brand identification method of SVMLi Zongshang(College of Engineering, South China Agricultural University, Guangzhou 510642, China)Abstract: Automatic classification of texture image is a key task in many fields, including agricultural products classification, visual scene detection, information retrieval, medical applications, and so on. When operating directly on the image, the traditional classification method as the data of high dimension characteristic performance is poor, it is difficult to obtain good effect. But the Support Vector Machine (SVM) can overe the defects very highdimensional said, was widely used in the texture image classification. In this paper, the main work done is as follows:1. The brief analysis of the working principle of support vector machine, analyzing each parameter of kernel function of support vector machine on the classification model, the influence of paring the parameters of the SVM optimization ability. At the same time simple introduces the application of SVM in the texture image classification.2. For gray image using gray level cooccurrence matrix method, Tamura method and Gabor filtering method respectively to extract image texture feature, and pared three methods of classification the stone and bark two texture image. This paper analyzes the graylevel cooccurrence matrix as a kind of method.3. Application of SVM for texture image classification algorithm for Dwarf bunt and Stinking sample training and these two kinds of texture image classification, and the classification ability of SVM for testing and parison, analyzes the different influence on the accuracy of image classification parameters optimization method.Key words: Support vector machine Texture image features Image classification Red in brand identification目 錄1 前言 1 小麥腥黑穗病鑒定的研究意義 1 圖像分析技術(shù)在植物病害識別領(lǐng)域的研究現(xiàn)狀……. 2 國外研究現(xiàn)狀……. 2 國內(nèi)研究現(xiàn)狀……. 2 研究現(xiàn)狀分析 3 小麥腥黑穗病鑒定的研究內(nèi)容與技術(shù)路線……. 3 研究內(nèi)容…….. 3 技術(shù)路線…….. 42 支持向量機(jī)（SVM）介紹……. 4 支持向量機(jī)的簡單介紹……. 4 支持向量機(jī)的一般特征 5 支持向量機(jī)的優(yōu)點(diǎn)…… 5 支持向量機(jī)的原理…… 6 支持向量機(jī)的算法 6 支持向量機(jī)的編程實(shí)現(xiàn)…. 73紋理描述及腥黑穗病的圖像特征…. 8 紋理描述方法綜述 8 紋理的形成…. 8 紋理分析的研究內(nèi)容…. 9 獲取圖像的紋理特征：灰度共生矩陣 9 由灰度共生矩陣得到的各類紋理特征…. 10…. 124 基于SVM的矮腥和網(wǎng)腥圖像分類實(shí)驗(yàn)…. 13 SVM分類器的實(shí)現(xiàn)方法…. 13 LabWindows／CVI紋理特征提取及腥黑穗病紋理特征提取實(shí)驗(yàn)…. 13 MATLAB中使用向量機(jī)方法進(jìn)行分類…. 14 LabWindows／CVI與MATLAB混合編程…. 17…. 19 實(shí)驗(yàn)結(jié)果分析…. 215 結(jié)論與討論…. 22參 考 文 獻(xiàn) 23附 錄 24致 謝 30畢業(yè)論文（或設(shè)計(jì)）成績評定表I1 前言 小麥腥黑穗病鑒定的研究意義小麥矮腥黑穗?。═illetia controversa K252。hn，簡稱TCK）和小麥網(wǎng)腥黑穗病（Tilletia caries Tul，簡稱TCT）是小麥的兩類重要的真菌病害，是出入境檢驗(yàn)檢疫中重要的植物檢疫對象（郭同軍，2007）。小麥矮腥黑穗病于1847年最初在捷克發(fā)現(xiàn)，后于1860年發(fā)現(xiàn)于美國，目前已傳播至歐洲、北美和南美、中亞和西亞、南非及北非等31個國家，尤其是美國西北部的小麥染病尤為普遍。它是麥類黑穗病中危害最大、防治最難的一種國際性檢疫病害，也是我國外檢中禁止傳入的一類危險(xiǎn)性病害（張江洪，2001）。該病害危害很大，造成病株矮化、分蘗多、病穗密、病粒硬等癥狀，某些品種感病后減產(chǎn)一半以上，病菌能在土壤中存活6～7年，甚至10年，隨著土壤和種子傳播，很難根治。小麥網(wǎng)腥黑穗病（簡稱TCT）與小麥矮腥黑穗病是同屬不同種，它主要危害小麥和黑麥， TCK與TCT病菌的形態(tài)學(xué)特征極其相似，在檢疫中很容易混淆，給口岸的檢疫工作帶來困難。其病株也表現(xiàn)出矮化、分蘗增多、黑粉病粒等癥狀。小麥腥黑粉菌含有毒素，不僅會造成小麥減產(chǎn)，而且因病菌產(chǎn)生的有毒物質(zhì)三甲胺的污染還會降低面粉品質(zhì)，使面粉不堪食用。人食用混有病菌孢子的面粉過多，可引起泄血、吐血，甚至小兒的死亡；吸入孢子過多，會出現(xiàn)呼吸器官過敏癥。麥粒內(nèi)或麥麩內(nèi)混入的菌癭或孢子含量過大，常引起家畜中毒，%，即可引起嚴(yán)重中毒現(xiàn)象。為保護(hù)糧食生產(chǎn)，防治TCK病菌的傳入，快速準(zhǔn)確的鑒別TCK和TCT及其近似種，成為一項(xiàng)十分重要的檢疫工作。然而，出入境檢驗(yàn)檢疫人員在識別入境小麥病害時遇到了困難。由于小麥矮腥和小麥網(wǎng)腥的冬孢子形態(tài)特征比較相似，給檢疫造成困難。目前，國內(nèi)主要通過顯微鏡觀察，依據(jù)病原菌的冬孢子形態(tài)學(xué)特征、自發(fā)熒光顯微學(xué)特征和萌發(fā)生理學(xué)特征來對其進(jìn)行鑒定，難以保證檢測的穩(wěn)定性和客觀性，效率也較低。小麥腥黑穗病鑒定的真菌形態(tài)學(xué)方法與分子生物學(xué)方法取得了很大進(jìn)展，但仍存在鑒定步驟繁瑣、周期長等問題，其中形態(tài)學(xué)方法的鑒定指標(biāo)單一，缺乏進(jìn)行定量描述的手段，可靠性不高。另外，由于小麥腥黑穗病菌的癥狀比較復(fù)雜，描述帶有模糊性，無法采取精確的對癥描述，造成病菌診斷標(biāo)準(zhǔn)含糊不清，妨礙了檢疫人員的正確判斷。隨著計(jì)算機(jī)圖像處理技術(shù)日益廣泛的應(yīng)用，將計(jì)算機(jī)等高新技術(shù)和植物物檢驗(yàn)檢疫相結(jié)合，能夠克服傳統(tǒng)檢疫方式的缺點(diǎn)，使檢驗(yàn)檢疫穩(wěn)定、快速、客觀。本論文以小麥矮腥黑穗病、小麥網(wǎng)腥黑穗病兩種病蟲害圖像為研究對象，分析其病菌冬孢子圖像的特征。綜合分析、比較、測試多種圖像預(yù)處理方法，提出適合于進(jìn)出境小麥病蟲害圖像的預(yù)處理方法；研究提取部分進(jìn)出境植物檢疫病蟲害圖像特征的圖像分割的有效算法；篩選出適合進(jìn)出境植物檢疫病蟲害分類識別的紋理特征。在提取圖像特征的基礎(chǔ)上建立小麥矮腥黑穗病和王腥黑穗病的檢定系統(tǒng)，并進(jìn)行驗(yàn)證試驗(yàn)。 圖像分析技術(shù)在植物病害識別領(lǐng)域的研究現(xiàn)狀 國外研究現(xiàn)狀Garbay（1986）深入分析了細(xì)胞圖像的結(jié)構(gòu)模型，比較了多種細(xì)胞的分割方法，提出了一種區(qū)域生長方法，并獲得了較好的效果。Burks （2000）利用彩色共生法（CCM）對土壤和5種雜草（巨狐尾草、蟹草、黎、絨毛葉、牽?；ㄈ~）進(jìn)行了識別。使用色調(diào)H和飽和度S的11個紋理特征參數(shù)區(qū)分土壤和5種雜草，準(zhǔn)確率為93%。（2003）通過編寫算法從五類小麥和五類油料種子染污的成分的高分辨率圖像中提取總共230個特征（51個形態(tài)、123個顏色、56個紋理）進(jìn)行人工神經(jīng)網(wǎng)絡(luò)分類，結(jié)果表明特征清晰易于分類，不同品種間如在形狀與大小等相似的情況下會影響分類的準(zhǔn)確性。Huang（2007）用人工神經(jīng)網(wǎng)絡(luò)和圖像處理技術(shù)對蝴蝶蘭（Phalaenopsis spp.）三種常見的苗木病蟲害進(jìn)行了識別和分類。提出用自適應(yīng)性指數(shù)變換方法分割病蟲害區(qū)域。 國內(nèi)研究現(xiàn)狀田有文,李成華（2004）用基于統(tǒng)計(jì)模式識別的植物病害彩色圖像分割方法，根據(jù)植物病害彩色圖像的特點(diǎn),提出了用顏色空間作為特征空間,利用統(tǒng)計(jì)模式識別的監(jiān)督分類方法,采用基于Fisher準(zhǔn)則的線性判別函數(shù)來對彩色圖像進(jìn)行真彩色二值化分割。張靜等（2006）對溫室黃瓜斑疹病和角斑病的研究發(fā)現(xiàn)，利用灰度共生矩陣方法提取出來的慣性值是識別這兩種病蟲害較好的特征參量之一。趙玉霞，王克如，白中英等（2007）利用貝葉斯方法對玉米葉部病害圖像進(jìn)行識別，根據(jù)銹病、彎孢菌葉斑病、灰斑病、小斑病及褐斑病等五種玉米病斑圖像的實(shí)際情況,在圖像分割和特征提取的基礎(chǔ)上,利用樸素貝葉斯分類器的統(tǒng)計(jì)學(xué)習(xí)方法,實(shí)現(xiàn)玉米葉部病斑的分類識別。最后對五種玉米葉部病害的診斷精度在83%以上。趙玉霞，王克如等（2007）對基于圖像識別的玉米葉部病害診斷研究，研究提取了五種玉米葉部主要病斑的識別特征，確定了診斷流程，并開發(fā)了識別系統(tǒng)。經(jīng)檢驗(yàn)，該系統(tǒng)對玉米葉部的銹病斑、彎孢菌病斑、灰斑、褐斑、小斑等五種主要病害的診斷準(zhǔn)確率達(dá)80%以上。陳衛(wèi)東，劉素華（2007）針對模式識別時，提取的特征參數(shù)量大而又有冗余的現(xiàn)象，提出了基于遺傳算法的特征選擇方法。李德杰（2008