基于GGCM植物病變區(qū)域的分割與識(shí)別研究.pdf

1、在國(guó)內(nèi)外學(xué)者對(duì)植物病害葉片識(shí)別研究的基礎(chǔ)上，本文提出了一種基于灰度梯度共生矩陣的植物病害區(qū)域分割與識(shí)別的研究方法。以生產(chǎn)過(guò)程中棉花常見(jiàn)的黃萎病為主要研究對(duì)象，對(duì)該病的病害程度進(jìn)行分類識(shí)別，不僅能夠更好地預(yù)防和治理病害，而且還能夠節(jié)省人力、財(cái)力，同時(shí)，提高了作物的產(chǎn)量，減少了農(nóng)藥對(duì)環(huán)境的污染。
　　采集帶有黃萎病的棉花葉片，采用灰度化、二值化、小波去噪、形態(tài)學(xué)處理技術(shù)對(duì)圖像進(jìn)行處理，在前期處理的基礎(chǔ)上運(yùn)用Otsu法實(shí)現(xiàn)圖像分割。圖像

2、分割過(guò)程通過(guò)以下三個(gè)步驟：（1）顏色空間變換，將棉花病害葉片圖像從 RGB色彩空間分別轉(zhuǎn)變到 HSV和YCbCr色彩空間。（2）利用Otsu算法分別對(duì)B分量(藍(lán)色分量)、S分量（飽和色度）、Cr分量（紅色色度）進(jìn)行閾值分割，將 B分量分割后的圖像進(jìn)行取反操作，B取反后的圖像與 S分量分割后的圖像進(jìn)行融合得到的二值圖像，再進(jìn)行形態(tài)學(xué)處理得到棉花葉片的圖像，使棉花葉片與背景區(qū)域分割開(kāi)來(lái)。（3）將得到棉花葉片的圖像和Cr分量分割后圖像進(jìn)行相與

3、運(yùn)算，再進(jìn)行形態(tài)學(xué)中的開(kāi)運(yùn)算，從而得到病變區(qū)域的圖像，完成了病害圖片的整個(gè)分割過(guò)程。其次采用灰度梯度共生矩陣和顏色矩分別來(lái)提取病害區(qū)域的紋理和顏色特征，同時(shí)還要計(jì)算棉花病害區(qū)域的面積以及棉花葉片的面積，進(jìn)而求出相對(duì)面積，將提取的3個(gè)類型特征融合在一起，從而得到棉花病害區(qū)域的識(shí)別特征。按照病害程度分為四個(gè)類別，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)分類器對(duì)棉花病害的程度進(jìn)行分類。
　　本文還對(duì)提取的棉花病害區(qū)域的葉片所有特征向量進(jìn)行優(yōu)選，選擇一些較為顯著