基于内容的农作物叶片图像检索理论研究

随着多媒体技术在精准农业生产中的广泛应用，如何有效组织管理海量图像数据并从图像库中快速提取用户兴趣信息已成为需要迫切解决的科学问题。针对农作物叶片图像背景复杂、特征多样、目标对象相互遮挡严重等特点，研究叶片图像原始数据层、物理特征层与语义特征之间动态映射关系模型，组织非格式化信息资源，实现图像资源高效存储；探讨频域空间内图像分割与局部特征恢复算法，采用二进制特征集统一描述底层特征，提取相关反馈时间轴,通过多特征融合参数，使得图像内容得到更精确表达。通过项目研究，实现多特征融合的海量农作物叶片图像准确、高效检索，利用叶片特征信息来识别农作物生长的动态状况，促进农作物病虫草害识别、营养诊断、长势监测、品质检测与分级等精准作业的水平。

物联网与计算机多媒体技术在农业信息化中的发展与普及，使得越来越多非结构化农业图像数据替代文本数值数据，如何从海量农业图像数据中快速检索出有价值信息是当前人工智能与农业大数据的发展趋势。特别地，在农作物叶片图像检索方面，针对叶片图像背景复杂、特征多样、目标对象相互遮挡严重等特点，项目对农作物叶片图像数据库组织与管理、图像多特征提取与融合、动态相似性度量等问题提出了具体的解决方案与关键技术，取得的创新成果如下：.（1）提出一种非结构化图像压缩、存储、特征索引技术：通过高维索引机制，根据图像数据计算实时性、时空相关等特性，应用哈夫曼压缩算法结合云平台并行处理，将数据进行分块压缩计算，减少数据所需存储空间；将农作物叶片图像按照边界剖分，提取目标对象信息作为基准合并，存储种类繁多、采集环境与背景影响冗余度较高的农作物叶片图像数据；将图像纹理、形状、颜色特征进行预处理，根据不同特征维数，构建分层的X树特征索引，减少数据量大、非结构化的农作物叶片图像重复率，提高检索精度。.（2）提出一种遮挡特征提取与多特征融合的检索技术：根据农作物叶片特征多样、背景复杂、作物之间相互遮挡等特点，分析其局部特征、形态、结构等特征，将采集到的离散农作物叶片图像转换到模糊域，利用模糊相关准则计算最大模糊熵，实现农作物叶片图像的有效分割；通过多特征动态加权建立包含纹理、颜色、特征描述等信息的作物信息标准模型，并对其进行相关转化计算，实现多特征农作物叶片图像快速检索。.（3）提出一种农作物叶片图像自动分类与相似性度量技术：以农作物叶片图像颜色、纹理、形状特征的欧式距离度量为基础，利用决策树模型，结合计算机视觉技术与作物叶片种类专家知识，对不同作物叶片种类进行归类；通过提取作物叶片图像的颜色、形状、纹理、Surf特征，以K-d树形式存储，以最近邻链的检测，实现对不同农作物叶片种类的相似性度量。.综上，通过组织、存储非格式化农作物叶片图像，提取遮挡背景下的叶片图像特征，以动态加权融合多特征，实现作物叶片图像的基于内容的检索，能够提高数字图像数据在农业领域的利用效率，为农业生产中病虫害、营养、水肥诊断提供决策依据，同时为建立大型农作物数字图像数据库提供技术支撑，为农业领域中的多媒体图像数据的有效管理提供保障。