復雜背景下小麥病害圖像分割方法研究及應用.pdf

1、小麥作為我國主要的糧食作物之一，其產(chǎn)量是國家糧食安全的重要保證。小麥病害是影響小麥產(chǎn)量的重要因素，病害的爆發(fā)會帶來大規(guī)模的減產(chǎn)、降質(zhì)。因此，加強對小麥病害識別方法的研究具有重要的意義和價值。其中，圖像識別技術是應用于小麥病害識別領域的新技術，近年來取得快速的發(fā)展和廣泛地應用。
　　圖像分割是圖像識別過程中的關鍵步驟，決定了后續(xù)識別的成功與否。復雜背景下的圖像分割一直以來都是圖像分割領域中的難以解決的問題，由于大田小麥所處的環(huán)境復雜

2、（光照陰影、泥土、雜草等等），背景信息量巨大，傳統(tǒng)的分割方法不足以將病斑圖像與復雜的背景環(huán)境進行分離，目前這類問題尚未得到較好的解決。
　　本文在總結國內(nèi)外相關研究成果的基礎上，針對復雜背景下小麥病害圖像的實際特點，以小麥的四種葉部病害（條銹病、葉銹病、白粉病和葉枯?。閷ο?，研究了復雜背景下小麥病害圖像分割方法，并通過實驗驗證了該方法的有效性，最后設計了復雜背景下小麥病害圖像智能分割系統(tǒng)，論文主要從以下幾個方面進行了研究:

3、>　　(1)提出一種基于K-means聚類法等多種算法相結合的分割方法。該方法采用逐步分割的策略將小麥病斑圖像從復雜的背景環(huán)境中分割出來:首先是在L*a*b*色度空間下，利用泥土、光照、雜草等背景與小麥病害葉片在a*b*分量上所呈現(xiàn)出的差異性，對a*b*顏色分量上的像素進行K-means聚類運算，從復雜背景中分割出小麥葉片圖像;其次，利用Otsu動態(tài)閾值法對圖像進行二值化處理，并結合數(shù)學形態(tài)學運算及面積閾值法分割出帶有病斑的主要小麥病害