作物病害葉片圖像分割及識別中的關(guān)鍵問題研究.pdf

1、作物病害一直制約著農(nóng)作物的產(chǎn)量和質(zhì)量，快速而準確地識別作物病害種類對有效防治農(nóng)作物病害具有重要意義。在作物病害管理過程中，及早發(fā)現(xiàn)作物病害和準確識別病害類型能夠妥善處理和有效控制作物病害。本文以兩種常見的黃瓜病害(霜霉病和炭疽病)為研究對象，利用圖像處理和模式識別技術(shù)，進行黃瓜病害葉片預處理、病斑分割和特征提取以及分類、識別研究。本研究主要內(nèi)容包括：
　　⑴病害葉片圖像預處理。采用均值法對病害葉片進行灰度化處理、采用直方圖均衡法對

2、病害葉片進行增強、采用中值濾波法對病害葉片進行圖像平滑，并通過形態(tài)學梯度法對病害葉片進行圖像銳化，由此減少光照和噪聲等對后期病害識別率的影響。
　　⑵病害葉片圖像分割。利用傳統(tǒng)的標記分水嶺算法進行作物病害葉片的病斑分割過程中存在偽標記現(xiàn)象，容易造成過分割。針對此問題，提出了一種改進的標記分水嶺分割算法。首先采用形態(tài)學進行預處理，建立形態(tài)學梯度并對梯度圖像進行開閉重建；其次，對重建的梯度圖像進行前景標記，并利用病斑和正常葉片的顏色差

3、異對前景標記中的偽標記進行濾除，對修改后的前景二值化圖像進行距離變換和分水嶺完成背景標記；最后，用強制最小值技術(shù)進行梯度修正并用分水嶺算法對其進行分割。
　?、翘卣魈崛『筒『ψR別。由于作物病害葉片圖像的復雜性，提取黃瓜病害葉片圖像的22個特征參數(shù)，包括12個顏色特征、4個紋理特征、6個形狀特征。利用散點圖觀察法從中選擇對分類識別貢獻率較高的12個特征作為最終的特征參數(shù)。利用支持向量機(Support Vector Machine,