作物葉部病害圖像處理方法研究.pdf

1、我國是傳統(tǒng)農業(yè)大國，然而由于農業(yè)科技成果轉化率較低，我國高端蔬菜花卉品種生產能力弱，只能長期依賴進口。改變這一局面的唯一途徑在于通過科技創(chuàng)新加快農業(yè)發(fā)展方式轉變。將計算機圖像處理與模式識別技術運用到農業(yè)領域，構造基于圖像處理與模式識別技術的自動化病害診斷系統(tǒng)，可以降低人為主觀因素的影響，增加病害診斷的準確率，降低蔬菜花卉等農作物的生產風險。
　　 戶外田間直接進行拍攝得到的病害圖像不可避免地會有多重背景的干擾，要真正實現(xiàn)全天候與

2、全方位的作物葉部病害診斷，所選用的圖像處理算法必須能夠應對復雜背景的影響。本文將復雜背景下的病害葉片與病斑分割問題作為思考的關鍵點，從問題本身出發(fā)，通過分析病害葉片的簡單視覺意義特征，即顏色與紋理，來獲得解決問題的途徑。通過結合局部二值模式紋理和擴展的結構張量紋理的多級紋理分析，得到了比較理想的分割結果。然后利用數學形態(tài)學的處理方法，對閾值化后得到的二值圖像中的孔洞進行區(qū)域填充、并裁剪多余獨立區(qū)域，可以得到更加精確的病葉輪廓。同樣，通過

3、分析病葉的顏色特征也可以分割病葉。兩種方法各有優(yōu)劣，可以使用圖像運算方法，將分割結果加以融合，提高魯棒性。當同時考慮病葉與病斑分割，我們便遇到了一個多相分割問題，結合病害葉片的病斑與病葉的空間分布特征，內部順序的多相水平集算法便成為可能解決該問題的自然選擇。讓不同的水平集函數演化在不同的特征域中，即多域多相水平集算法，可以有效利用前面討論得到的紋理特征與顏色特征，在一定程度上克服了復雜背景的干擾，為作物葉部病斑分割提供了一條嶄新的道路。