基于圖像處理的草莓病害識別方法研究.pdf

1、草莓葉片是反映其生長狀態(tài)的重要部分。為了實現(xiàn)對草莓的生長狀態(tài)監(jiān)測，需要對其葉片的健康狀況進行持續(xù)監(jiān)測,而對草莓葉片部分是否異常的診斷可以對種植者是否噴藥、噴藥種類及噴藥量進行指導。對自然光下草莓圖像進行病害識別面臨的主要困難是光線不一致導致葉片有陰影、綠色葉片重疊導致目標與背景不好分割以及病害特征難以選取。本文針對草莓蛇眼病害圖像的分割與識別，提出了基于標記的改進的分水嶺圖像分割算法和基于紋理統(tǒng)計特征的支持向量機（Support Vec

2、tor Machine，SVM）的圖像識別方法。該方法首先利用顏色閾值提取草莓葉片區(qū)域圖像。之后對HSV彩色空間內(nèi)的灰度圖像以及邊緣梯度圖像進行處理來分別獲取前景標記與背景標記，并采用強制極小值技術(shù)對兩種標記進行標定，在此基礎上使用標準分水嶺變換方法即可提取出草莓單葉片圖像。然后對提取出的草莓單葉片圖像求取歸一化灰度直方圖，并依據(jù)該直方圖進行8個紋理統(tǒng)計特征的提取與融合，最后使用SVM方法對葉片進行病害識別。
　　分水嶺方法可以有

3、效地分割草莓病害圖像，而通過SVM這種模式識別方法能夠識別草莓單葉片圖像中是否存在病害。本論文基于圖像處理方法進行草莓病害識別，主要進行了以下幾個方面的研究：
　?。?）對草莓原始圖像進行預分割提取，主要使用超綠色分量突出，圖像增強，閾值分割以及腐蝕與膨脹等操作，以此來完成草莓病害圖像中的復雜背景的去除和葉片區(qū)域的提取；
　?。?）將綠色葉片區(qū)域圖像轉(zhuǎn)換為 HSV彩色空間內(nèi)的灰度圖像，對此灰度圖像進行標記處理，再使用分水嶺方

4、法提取出草莓單葉片圖像，這些單葉片圖像將用于后續(xù)的病害識別；
　　（3）對分割出的單個草莓葉片圖像進行灰度化處理，然后求取歸一化灰度直方圖，并提取其8個統(tǒng)計特征，包括平均灰度、標準偏差、三階中心矩、平滑度、均勻性、平均信息量、最大概率灰度級、灰度范圍，最終形成特征向量；
　?。?）分別使用SVM、K-近鄰（K Nearest Neighbor，KNN）和樸素貝葉斯(Naive Bayes，NB)方法對草莓葉片圖像樣本特征向量