玉米葉部病斑圖像智能處理算法的研究與實現(xiàn).pdf

1、利用機器視覺來解決農(nóng)作物病害診斷問題，進而達(dá)到防治病害和節(jié)約成本的目的，是現(xiàn)代農(nóng)業(yè)最顯著的特點之一。目前有很多關(guān)于數(shù)字圖像處理技術(shù)用于這一領(lǐng)域的研究，其中圖像分割是最重要的一部分，它關(guān)系到特征提取和后續(xù)識別的正確率，而如何結(jié)合多種分割和預(yù)處理技術(shù)是本研究的重點。本文以大斑病、小斑病、灰斑病、彎孢葉斑病、銹病和褐斑6種玉米葉部病斑圖像為研究對象，實現(xiàn)了玉米葉部病斑的自動識別系統(tǒng)。系統(tǒng)主要由四部分組成：圖像預(yù)處理，圖像分割，特征提取，分類識

2、別，基于系統(tǒng)實現(xiàn)需要，本文主要研究了以下內(nèi)容：
　　 1.圖像預(yù)處理算法的研究，主要實現(xiàn)了圖像縮小、自動裁剪和圖像增強算法。由于從大田拍攝的玉米葉片病斑圖像像素過大，直接進行處理會影響效率，本文所處理的圖像是由索尼a700拍攝的分辨率為3104×2064的圖像，無法直接進行分割算法處理，所以要先對原圖像進行縮小操作，為了裁剪出病斑所在區(qū)域，本文使用了基于人眼視覺的圖像自動裁剪技術(shù)，使用分塊來計算影響人眼視覺的影響因子來裁剪圖像，

3、為了更精確地裁剪出目標(biāo)區(qū)域圖像，本文在原有的4個影響因子中加入了顏色影響因子，裁剪效果明顯要好很多。而裁剪后的圖像要經(jīng)過圖像增強，才便于后續(xù)的分割處理，由于玉米病斑圖像中有些隨機雜點，通過中值濾波算法可以很好的過濾掉這些雜點。
　　 2.圖像分割算法的研究，目前，作物葉部病斑分割的方法大多是利用病葉片和病斑的灰度差異，采用固定閾值分割算法或用明確的判別標(biāo)準(zhǔn)來區(qū)分葉片部分和病斑部分。但實際上，由于病葉圖像中的對象具有模糊性和不確定

4、性，對象的邊界不可能清晰明確，作物葉片和病斑本身顏色的不均勻和灰度值存在著重疊，因此很難用固定閾值或確定的準(zhǔn)則來準(zhǔn)確的確定病葉圖像中不確定的對象。為了提高玉米葉片病斑的分割效果，本文提出了將局部閾值法與區(qū)域增長法相結(jié)合的作物病害圖像自適應(yīng)分割算法。
　　 3.玉米葉片病斑特征的提取與系統(tǒng)驗證。本文主要提取了玉米葉片病斑的幾個形態(tài)特征：面積、周長、圓形度、矩形度和復(fù)雜度。通過模糊識別算法來判別病斑種類，驗證各個特征對不同病斑的影響