復(fù)雜背景下小麥病害圖像分割方法研究及應(yīng)用

《復(fù)雜背景下小麥病害圖像分割方法研究及應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、萬(wàn)方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明所呈的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特另tlDH以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)的研究成果，也不包含為獲得安徽農(nóng)業(yè)大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說(shuō)明并表示謝意。學(xué)位論文作者簽名：逛盔盞簽字日期：z叫c1年銅卵學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解安徽農(nóng)業(yè)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子文件，允許論文被查閱和借閱。本人授權(quán)安徽農(nóng)業(yè)大學(xué)可以將學(xué)位論文

2、的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，收錄到《中國(guó)學(xué)位論文全文數(shù)據(jù)庫(kù)》，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文，向社會(huì)公眾提供信息服務(wù)。(保密的學(xué)位論文在解密后適用本授權(quán)書)。學(xué)位論文作者簽名：逛盥簽字日期：舛多月珀指導(dǎo)教師簽名：邋簽字日期：加，弘年易月r日學(xué)位論文作者畢業(yè)后去向：麴些。工作單位：壘絲照麴盍壘筮壘虱電話：!呈盈勉2壘五通信地址：蹙盈幽幽出越礎(chǔ)墨編：奠!皇壹f萬(wàn)方數(shù)據(jù)摘要

3、

4、IIIIIIIIIIIIIIIIlY2753951小麥作為我國(guó)主要的糧食作物之一，其產(chǎn)量是國(guó)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(huì)帶來(lái)大規(guī)模的減

5、產(chǎn)、降質(zhì)。因此，加強(qiáng)對(duì)小麥病害識(shí)別方法的研究具有重要的意義和價(jià)值。其中，圖像識(shí)別技術(shù)是應(yīng)用于小麥病害識(shí)別領(lǐng)域的新技術(shù)，近年來(lái)取得快速的發(fā)展和廣泛地應(yīng)用。圖像分割是圖像識(shí)別過(guò)程中的關(guān)鍵步驟，決定了后續(xù)識(shí)別的成功與否。復(fù)雜背景下的圖像分割一直以來(lái)都是圖像分割領(lǐng)域中的難以解決的問(wèn)題，由于大田小麥所處的環(huán)境復(fù)雜(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(jìn)行分離，目前這類問(wèn)題尚未得到較好的解決。本文在總結(jié)國(guó)內(nèi)外相關(guān)研究成果的基礎(chǔ)上，針對(duì)復(fù)雜背景下小麥病害圖像的實(shí)際特點(diǎn)，以小麥的四種葉部病害(條銹病、葉銹病、白粉病和葉枯病)為對(duì)象，研究了

6、復(fù)雜背景下小麥病害圖像分割方法，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該方法的有效性，最后設(shè)計(jì)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(gè)方面進(jìn)行了研究：(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(lái)：首先是在L木a木b木色度空間下，利用泥土、光照、雜草等背景與小麥病害葉片在a木b木分量上所呈現(xiàn)出的差異性，對(duì)a％木顏色分量上的像素進(jìn)行K．means聚類運(yùn)算，從復(fù)雜背景中分割出小麥葉片圖像；其次，利用Otsu動(dòng)態(tài)閾值法對(duì)圖像進(jìn)行二值化處理，并結(jié)合數(shù)學(xué)形態(tài)學(xué)運(yùn)算及面積閾值法分割出帶有病斑的主要小麥病害葉片圖

7、像；最后，根據(jù)病斑在顏色特征上與健康葉片區(qū)域的區(qū)別，采用綠色分割法，實(shí)現(xiàn)復(fù)雜背景下小麥病斑圖像分割。(2)分割方法的實(shí)驗(yàn)驗(yàn)證。利用上述方法對(duì)復(fù)雜背景下4種常見的小麥病害彩色圖像進(jìn)行分割實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)結(jié)果的對(duì)比以及實(shí)驗(yàn)數(shù)據(jù)的統(tǒng)計(jì)分析，得出該算法的分割準(zhǔn)確率達(dá)到95％以上，表明該算法有較好的魯棒性和分割準(zhǔn)確率，為病害識(shí)別奠定基礎(chǔ)。(3)設(shè)計(jì)并開發(fā)了基于MATLAB語(yǔ)言的復(fù)雜背景下小麥病害圖像智能分割系統(tǒng)。關(guān)鍵詞：小麥病害，圖像分割，復(fù)雜背景，K．means：萬(wàn)方數(shù)據(jù)AbstractAsoneofmaingraincropsofChina，wheatisanimportantgua

8、ranteeof、foodsecurityforourcountry．Wheatdiseaseisoneofthekeyfactorsthatcaninfluencethewheatyield，andtheoutbreakofthediseasecanleadtoamassivereductionofoutputandquality．Therefore，tostrengthenthestudyofwheatdiseaserecognitionmethodisofgreatimportanceandvalue．Amongallthemethods，theimagerecogni

9、tiontechnologyisanewtechnologyappliedinthefieldofwheatdiseaseidentificationandithasbeenrapidlydevelopedandwidelyusedinrecentyears．Imagerecognitionincludesimagepreprocessing，imagesegmentation，featureextractionclassificationandrecognitionandothersteps．Amon