基于GGCM植物病變區(qū)域的分割與識別研究.pdf

1、在國內外學者對植物病害葉片識別研究的基礎上，本文提出了一種基于灰度梯度共生矩陣的植物病害區(qū)域分割與識別的研究方法。以生產過程中棉花常見的黃萎病為主要研究對象，對該病的病害程度進行分類識別，不僅能夠更好地預防和治理病害，而且還能夠節(jié)省人力、財力，同時，提高了作物的產量，減少了農藥對環(huán)境的污染。
　　采集帶有黃萎病的棉花葉片，采用灰度化、二值化、小波去噪、形態(tài)學處理技術對圖像進行處理，在前期處理的基礎上運用Otsu法實現圖像分割。圖像

2、分割過程通過以下三個步驟：（1）顏色空間變換，將棉花病害葉片圖像從 RGB色彩空間分別轉變到 HSV和YCbCr色彩空間。（2）利用Otsu算法分別對B分量(藍色分量)、S分量（飽和色度）、Cr分量（紅色色度）進行閾值分割，將 B分量分割后的圖像進行取反操作，B取反后的圖像與 S分量分割后的圖像進行融合得到的二值圖像，再進行形態(tài)學處理得到棉花葉片的圖像，使棉花葉片與背景區(qū)域分割開來。（3）將得到棉花葉片的圖像和Cr分量分割后圖像進行相與

3、運算，再進行形態(tài)學中的開運算，從而得到病變區(qū)域的圖像，完成了病害圖片的整個分割過程。其次采用灰度梯度共生矩陣和顏色矩分別來提取病害區(qū)域的紋理和顏色特征，同時還要計算棉花病害區(qū)域的面積以及棉花葉片的面積，進而求出相對面積，將提取的3個類型特征融合在一起，從而得到棉花病害區(qū)域的識別特征。按照病害程度分為四個類別，應用BP神經網絡分類器對棉花病害的程度進行分類。
　　本文還對提取的棉花病害區(qū)域的葉片所有特征向量進行優(yōu)選，選擇一些較為顯著