本站小編為你精心準(zhǔn)備了作物病害圖像分割方法研究參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要:針對(duì)復(fù)雜背景下作物病害葉片分割問題，提出一種改進(jìn)模糊C均值聚類(FuzzyCMeans，F(xiàn)CM)的作物病害圖像分割方法。該方法綜合考慮圖像的像素點(diǎn)的局部空間信息和灰度信息，計(jì)算出更為準(zhǔn)確的局部空間信息，減少噪聲的同時(shí)更好地保留了圖像細(xì)節(jié)，從而使圖像分割效果更為精確。選取黃瓜病害葉片圖像進(jìn)行本文算法的驗(yàn)證，并與其它分割方法進(jìn)行比較實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，本文提出的方法分割效果更好，其分割正確率為97．81%。

關(guān)鍵詞:模糊C均值聚類;局部空間信息;分割正確率

引言

中國(guó)是一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)作物的產(chǎn)量直接影響國(guó)民經(jīng)濟(jì)發(fā)展和人們生活的高追求實(shí)現(xiàn)。近年來(lái)，由于生態(tài)環(huán)境的問題突顯，作物自身對(duì)環(huán)境的耐受能力也在變差，導(dǎo)致作物病害日益惡化，病害種類也在持續(xù)增多，直接影響著作物產(chǎn)量、質(zhì)量和口味［1－3］。之前，作物病害的檢測(cè)和識(shí)別大多依賴于經(jīng)驗(yàn)豐富的農(nóng)耕人員和實(shí)驗(yàn)室病理學(xué)分析的研究人員。其中，借助于農(nóng)耕人員存在個(gè)人主觀性強(qiáng)的缺點(diǎn)，借助于研究人員雖然準(zhǔn)確度好、但是花費(fèi)較高［4］。國(guó)內(nèi)大部分從事農(nóng)業(yè)耕作的一線人員并非是植保專家，缺乏對(duì)病害誘因病理學(xué)專業(yè)分析的深厚學(xué)識(shí)，無(wú)法根據(jù)早期癥狀對(duì)病害做出判斷甄別。一旦發(fā)現(xiàn)了作物病害，為了干預(yù)病情蔓延，無(wú)差別、大劑量地使用農(nóng)藥，一方面，延誤了預(yù)防的最佳時(shí)期，另一方面，農(nóng)藥的過度使用也將降低作物果實(shí)的出產(chǎn)品質(zhì)。從長(zhǎng)遠(yuǎn)發(fā)展來(lái)看，既對(duì)資源造成浪費(fèi)，又破壞了生態(tài)可持續(xù)發(fā)展。由于作物病害種類繁多，不同病害表現(xiàn)出來(lái)的特點(diǎn)千差萬(wàn)別［5］，而且常常以不同的特征分屬多種類別，因而就對(duì)圖像分割的結(jié)果精度造成不利影響。將模糊聚類的思想運(yùn)用到像素點(diǎn)分類中，可以有效解決像素點(diǎn)不確定歸屬問題。此時(shí)，根據(jù)模糊聚類的思想可以將圖像中的像素點(diǎn)根據(jù)隸屬度函數(shù)進(jìn)行類別確定，屬于無(wú)監(jiān)督的分類。模糊C－均值聚類(FCM)根據(jù)作物病害圖像中背景和病斑像素點(diǎn)的屬性不同給出類別劃分，首先確定類別數(shù)c，計(jì)算圖像像素點(diǎn)和聚類中心的加權(quán)相似度，根據(jù)目標(biāo)函數(shù)，對(duì)目標(biāo)函數(shù)進(jìn)行迭代化最小計(jì)算，確定像素點(diǎn)屬于病斑和背景的最佳分割度。毛罕平等［6］結(jié)合模糊C－均值聚類(FCM)，提出了自適應(yīng)分割算法，將其運(yùn)用到棉花病害中，得到了良好的病斑圖像。馬旭等［7］研究了無(wú)監(jiān)督的模糊C均值方法，仿真驗(yàn)證后的結(jié)果顯示有效提高了分割準(zhǔn)確率。但是，前述研究中的FCM進(jìn)行圖像分割時(shí)，沒有考慮像素空間信息的問題，基于此，本文研發(fā)提出了一種基于改進(jìn)FCM的作物病害圖像分割算法。研究?jī)?nèi)容論述如下。

1改進(jìn)FCM算法

改進(jìn)后的FCM算法設(shè)計(jì)充分融合了圖像的像素點(diǎn)的局部空間信息和灰度信息，將其作為像素點(diǎn)的相似性度量，且考慮到兩像素點(diǎn)間的歐式距離，從而計(jì)算出準(zhǔn)確的局部空間信息，將噪聲點(diǎn)去除的同時(shí)保留了圖像細(xì)節(jié)。

2結(jié)果和分析

研究選取陜西省楊凌農(nóng)業(yè)蔬菜實(shí)驗(yàn)基地，利用手機(jī)采集黃瓜葉片病害圖像50幅。(1)選擇在陽(yáng)光充足的晴天，并且選擇利用自然環(huán)境光照。(2)在斟酌取相角度時(shí)，盡可能呈現(xiàn)病害葉片在圖像中間，邊緣部分多為復(fù)雜背景的拍攝效果。(3)圖像分辨率設(shè)為1200×1600，以bmp格式存儲(chǔ)。運(yùn)用改進(jìn)的FCM進(jìn)行病斑的分割。如圖2(a)即為黃瓜葉片病害圖像的原圖。為了驗(yàn)證本文算法的分割結(jié)果，仿真選取了經(jīng)典的雙閾值算法、FCM算法和改進(jìn)后的FCM算法對(duì)黃瓜葉片病斑圖像分別進(jìn)行準(zhǔn)確分割。

3結(jié)束語(yǔ)

在研究現(xiàn)有作物病害圖像分割的基礎(chǔ)上，提出改進(jìn)FCM用于作物病斑圖像分割，實(shí)驗(yàn)結(jié)果表明，該方法能夠較為準(zhǔn)確地將病斑分割出來(lái)。與學(xué)界經(jīng)典的雙閾值、改進(jìn)前的FCM分割結(jié)果進(jìn)行對(duì)比可知，本文提出的改進(jìn)FCM算法能夠避免正常綠色區(qū)域、及病害葉片的輪廓均被誤判為病斑部分的問題弊端，為后續(xù)病斑的識(shí)別提供了技術(shù)基礎(chǔ)?；谟?jì)算機(jī)視覺技術(shù)在圖像處理方面所表現(xiàn)出來(lái)的長(zhǎng)足優(yōu)勢(shì)，將作物病害的分割和識(shí)別帶入了物聯(lián)網(wǎng)時(shí)代，加速了現(xiàn)代化農(nóng)業(yè)發(fā)展的新進(jìn)程。尤其是作物的遠(yuǎn)程檢測(cè)，不但可以隨時(shí)了解作物的生產(chǎn)狀況，又節(jié)省了人員的時(shí)間和精力，經(jīng)濟(jì)效益非?？捎^。所以開展關(guān)于如何將病害圖像從作物病害葉片中準(zhǔn)確分割出來(lái)的研究，及時(shí)進(jìn)行病害防治，對(duì)于作物產(chǎn)量的提高具有十分重要的意義。

參考文獻(xiàn)

［1］穆亞梅，馬國(guó)?。谖锫?lián)網(wǎng)的蘋果樹病蟲防治專家系統(tǒng)的設(shè)計(jì)與應(yīng)用［J］．自動(dòng)化與儀器儀表，2012，10(5):89－90．

［2］王文山，柳平增，臧官勝，等．基于物聯(lián)網(wǎng)的果園環(huán)境信息監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)［J］．山東農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012，43(2):239－243.

［6］毛罕平，張艷誠(chéng)，胡波．基于模糊C均值聚類的作物病害葉片圖像分割方法研究［J］．農(nóng)業(yè)工程學(xué)報(bào)，2008，24(9):136－140．

［7］馬旭，齊龍，張小超．基于模糊聚類的玉米大斑病害圖像的分割技術(shù)［J］．農(nóng)機(jī)化研究，2008(12):24－26．

作者：曹曉麗；齊國(guó)紅；井榮枝 單位：鄭州大學(xué)西亞斯國(guó)際學(xué)院