基于改進ORB算法對煙草蟲害圖像配準技術(shù)的研究.pdf

1、煙草害蟲快速檢測與識別是煙草病蟲害防治的基礎。傳統(tǒng)的煙草病蟲害識別主要是專家或煙草種植者通過肉眼觀察害蟲的外部特征并與模式標本對照來識別的，這種識別方法費時費力。隨著計算機技術(shù)的發(fā)展，圖像配準技術(shù)被廣泛應用于經(jīng)濟社會的諸多領域，如農(nóng)業(yè)、醫(yī)療、遙感、工業(yè)、軍業(yè)等。特征提取和特征匹配是基于特征的圖像配準技術(shù)的主要研究內(nèi)容，也是目前研究重點和算法改進的兩個方向。SIFT算法、SURF算法、ORB算法是經(jīng)典的局部特征提取算法，在尺度、旋轉(zhuǎn)、平移

2、、光照、仿射變化以及計算速度、提取的特征點數(shù)等方面各有各的優(yōu)缺點?；谒鼈兊膱D像配準技術(shù)越來越成為人們的研究熱點，而基于它們對煙草病蟲害圖像配準識別的研究卻又較少。
　　本論文以煙草蟲害為研究對象，采用圖像配準技術(shù)研究了煙草害蟲圖像的分割、特征點提取、特征匹配等方面的技術(shù)問題，并對三種特征匹配算法進行比較，根據(jù)實驗匹配結(jié)果得出每種特征匹配算法的優(yōu)劣，并加以改進。本論文的主要研究工作如下:
　　(1)采集了煙實夜蛾、煙綠蝽、煙

3、草甲、天蛾、甲殼蟲、黃曲條跳甲、黑跳甲共7組煙草蟲害的標準圖像和待配準圖像，并對每一組煙草蟲害影像采用迭代閾值分割算法進行圖像分割。
　　(2)研究了三種提取圖像特征點算法。采用SIFT、SURF、ORB特征算法提取每一組煙草蟲害圖像的特征點，并采用改進的KD-樹最近鄰查詢算法來匹配特征點，然后采用去除外點算法(RANSAC)剔除匹配錯誤的特征點。
　　(3)依據(jù)實驗結(jié)果對SIFT、SURF、ORB三種特征算法的性能進行評估