基于数字图像处理的黄瓜叶部病害研究.ppt

基于数字图像处理的黄瓜叶部病害研究 导 师: 答辩人: 班 级： 专 业: 研究课题的背景及意义 黄瓜是我国主要的蔬菜产品之一，在国民经济中占有重要地位。由于品种、栽培制度、生态环境等变化以及作物生长环境日趋恶化，病虫害有不断加重的趋势。农作物病害图像处理系统的研究将为我国农作物保护智能化、自动化监测提供了重要的理论依据和应用技术，对缩小我国在农作物保护自动化、智能化、网络化、数字化等方面与发达国家之间的差距，促进计算机图像处理技术在农业工程领域的应用具有重要意义。 数字图像识别框架 首先，进行图像采集，根据病害叶片的采样要求，利用光照系统和计算机图像处理装置进行病害样本的图像采集。其次，对图像进行预处理，采用中值滤波的方法去除图像中的干扰噪声。然后，运用快速模糊C-均值进行图像分割，将病斑从叶片中分离出来。最后，对病害叶片病斑部位进行形状特征参数的提取和识别。 具体的开发步骤如下： (1)图像采集； (2)图像预处理； (3)图像分割； (4)计算出病斑区域的周长、面积、形状参数等特征值； (5)根据特征值判定区域类型； (6)根据特定区域类型，判断病虫害类型。 图像采集 大多数的病害症状或多或少均会在农作物的叶子上表现出来，使叶子的颜色、形状、纹理发生变化，出现病斑，这就为采用计算机图像处理技术，并通过农作物的病叶来判断农作物的染病情况提供了可能。采集后的病害图像下图所示。 图像预处理 图像平滑的方法很多，其中邻域平均法对去除高斯噪声比较有效，中值滤波对去除脉冲噪声比较有效，也是图像处理技术中最常用的预处理技术。它在平滑脉冲噪声方面非常有效，同时能较好地保持图像细节，因此得到了广泛的应用。 图像分割 轮廓跟踪和特征参数的提取 图像识别模式 一个图像识别系统可以分为三个主要部分：（1）图像信息的获取；（2）信息的加工和处理，特征提取；（3）判断或分类。 病害图像识别 本文以黄瓜叶部病害为例，通过对黄瓜常见病害的特征分析，将病害图像的形状特征用于图像识别。这些病症通常集中在黄瓜的叶片上，且发病部位与正常叶面有明显区别。因此，可以将提取到的形状参数用于病害的识别。 实验结果与分析 * 图像采集 预处理 图像分割 特征提取 特征选择 分类决策 数字图像识别框架 病害图像 采用3×3中值滤波示意图 (a)病害原图 (b)邻域平均 (c)中值滤波 可以看出，使用图(b)邻域平均法，虽然能达到理想的去噪效果，但病斑的边缘很不清晰，达不到预期的效果，此种方法不是很理想；图(c)采用了中值滤波的图像处理方法，不仅除去了图像中大部分噪声，而且保留了图像的边缘，在灰度值变化比较小的情况下，可以得到比较好的平滑效果。 (a)黄瓜霜霉病原图 (b)采用标准的模糊C-均 (c) 采用快速模糊C-均 值的分割结果图 值的分割结果图 利用模糊C-均值(FCM)聚类的方法进行图像分割，可以减少人为的干预，并且适合灰度图像中存在不确定性和模糊性的特点。标准的FCM算法存在着一个明显的缺陷，即大数据样本集时，运算开销太大。针对这一问题，根据灰度图像和FCM算法特点，我们选择快速FCM算法，这种算法在聚类优化性能不变的前提下，可以使运算的开销降低，而使得分割耗时明显地减少。 开始 按行扫描，找到 第一个对象点 利用链码对区域 进行轮廓跟踪 计算区域的周长 面积和圆弧度 对该区域用背景 色填充，并试图寻 找下一个对象点 找到？ 结束 否 是 被识别图像 图像信息获取 信息处理特征提取 判决 结果 模式识别框图 如下图所示，通过对采集到的黄瓜病害图片样本数据进行分析识别，可以客观地识别出病害区域的几何参数，虽然不是所有的病害都能被正确地识别，还存在一定的误差，但是，总体上可以较好地识别出病害，并成功地将此病害系统运用到农业生产中。