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(zhǔn)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(zhǔn)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(yù)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：
　?、挪『θ~片圖像預(yù)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(xué)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(biāo)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(biāo)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(biāo)記分水嶺分割算法。首先采用形態(tài)學(xué)進行預(yù)處理，建立形態(tài)學(xué)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(biāo)記，并利用病斑和正常葉片的顏色差

3、異對前景標(biāo)記中的偽標(biāo)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(biāo)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(fù)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,