分水嶺算法及其在作物病害葉片圖像分割中的應用.pdf

1、在作物的農(nóng)業(yè)生產(chǎn)中，病害是影響作物產(chǎn)量的重要因素。因此，農(nóng)作物生長過程中病害的防治就成了一個關鍵問題。近些年來，計算機圖像處理以及模式識別理論有了很大的發(fā)展，使得在計算機上對作物病害進行智能化診斷成為了可能。圖像分割作為一個關鍵的階段，其效果直接影響著后期的特征提取和病害識別，因此，準確無誤地分割出病害葉片上的病斑是至關重要的。
　　 近年來，分水嶺圖像分割方法因其在處理圖像分割問題時表現(xiàn)出的良好性能而成為圖像分割領域的研究熱點

2、之一。分水嶺算法分割精度高，算法簡單易實現(xiàn)，并且能產(chǎn)生單像素寬度的連續(xù)邊界，使得分水嶺算法得到了極其廣泛的應用。由于分水嶺算法的這種特點，和其他分割算法相比，它的分割結果通常更加穩(wěn)定。
　　 但是，分水嶺算法也有其不足的地方。由于其精確性，容易對噪聲敏感從而產(chǎn)生“過分割”現(xiàn)象，即分割區(qū)域被劃分的太細，使得分割結果失去了實用價值。針對這個問題，可以通過預處理來降低圖像的噪聲，這在一定程度上可以減少過分割的區(qū)域。目前常見的消除過分割

3、的方法有兩種：標記控制和區(qū)域合并。區(qū)域合并由于其計算量較大，需要對過分割的結果按照合并規(guī)則進行掃描合并，因此并不可取。標記控制的方法在圖像上提取前景標記和背景標記，前景標記標識著目標，背景標識則表示背景區(qū)域。通過這種方法，一副圖像被劃分為若干幅小圖像，每一副小圖像由背景區(qū)域表示，其內部含有唯一的一個前景標識。然后針對每個小區(qū)域采用分水嶺算法，最終得到分割的結果。
　　 本文采用黃瓜病害葉片為例，探討基于標記的分水嶺算法在作物病害

4、葉片圖像分割中的應用。研究發(fā)現(xiàn)，直接采用基于標記的分水嶺算法對黃瓜葉片進行分割，無法得到滿意的結果。為了提高黃瓜病害葉片圖像分割的準確性，采用了一種改進的基于標記的分水嶺圖像分割算法。標記選取的準確性，直接影響到分水嶺算法的分割效果，本文對前景標記和背景標記的提取方法進行改進。針對前景標記，對其進行過濾從而消除偽標記；針對背景標記，為了保證圖像邊緣信息的完整性，直接在原圖上進行背景標記的提取。采用改進后的方法對黃瓜葉片進行圖像分割，能夠