复杂背景下小麦叶部病害图像分割方法研究

针对复杂背景下小麦叶部病害图像分割问题,以小麦条锈病、叶锈病为研究对象,提出一种结合K-means聚类、Otsu阈值法等多种方法的分割策略。主要分三个步骤将小麦病斑图像分割出来:首先,利用背景与叶片a*b*分量的差异性,采用K-means聚类分割方法,去除泥土、杂草、阴影等背景,分割出小麦植株图像;其次,利用Otsu动态阈值法进行二值化处理,并结合数学形态学运算及面积阈值法分割出带有病斑的主要小麦病害叶片图像;最后,采用K-means算法对小麦病害叶片图像进行聚类运算,最终分割出小麦病斑图像。利用该方法进行分割实验,分割准确率达到95%以上,分割效果理想,为小麦叶部病害图像分割提供了参考,也为后续的小麦病害识别和诊断提供了基础。     

农作物病虫害图像识别技术的研究综述

农作物病虫害的爆发往往意味着大规模的减产减质,造成不可挽回的经济损失。传统的病虫害识别方法速度慢、主观性强、误判率高,已不能满足农业生产的需要。基于图像处理技术的农作物病虫害识别具有快速、精确、实时等特点,能够协助农耕人员及时采取有效的防治措施。本文从图像分割、特征值提取和分类识别三个方面,分别阐述图像处理技术应用于农作物病虫害识别的研究现状和进展,并对今后的研究趋势和方向作了展望。