復(fù)雜背景下小麥病害圖像分割方法研究及應(yīng)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(shù)是應(yīng)用于小麥病害識別領(lǐng)域的新技術(shù)，近年來取得快速的發(fā)展和廣泛地應(yīng)用。
　　圖像分割是圖像識別過程中的關(guān)鍵步驟，決定了后續(xù)識別的成功與否。復(fù)雜背景下的圖像分割一直以來都是圖像分割領(lǐng)域中的難以解決的問題，由于大田小麥所處的環(huán)境復(fù)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(fù)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(jié)國內(nèi)外相關(guān)研究成果的基礎(chǔ)上，針對復(fù)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(fù)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(shè)計了復(fù)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(jié)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(fù)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(fù)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(jié)合數(shù)學(xué)形態(tài)學(xué)運算及面積閾值法分割出帶有病斑的主要小麥病害