基于圖像識別的冬小麥葉部主要病害診斷研究.pdf

1、本文從農業(yè)實際生產出發(fā)，圍繞冬小麥葉部主要病害的快速診斷，將冬小麥病害識別的專家知識與數字圖像處理技術、模式識別相結合，綜合運用Matlab和Java Web技術，研究實現了冬小麥葉部主要病害圖像的診斷識別。研究的主要內容及取得的進展主要有以下幾個方面:
　　1、在病害圖像增強方面，比較了直方圖均衡化、維納濾波及中值濾波3種增強算法的效果與差別，結果表明直方圖均衡化處理效果不佳，而維納濾波和中值濾波可以對圖像的邊緣及細節(jié)信息得到較

2、好的保留，增強效果較為滿意，其中中值濾波運算簡單，對椒鹽噪聲特別有效，因此在系統的實現過程中采用中值濾波對病害圖像進行增強處理。
　　2、在圖像的病斑分割方面，比較了閾值化分割、形態(tài)學梯度及選取ROI分割3種算法的效果與差別，結果表明閾值化分割方法較依賴用戶的主觀評判，且由于多數圖像的直方圖是離散不規(guī)則的，因此對閾值的選取存在較大分歧，而選取ROI分割方法比其他2種方法具有更好的直觀性和簡單性，可以直接實現對彩色圖像分割，且分割效

3、果較好，準確率達96％，因此在系統的實現中選用選取ROI分割方法進行圖像的病斑分割。
　　3、在特征提取及識別方面，主要對病斑圖像進行顏色、形狀及紋理特征的提取，并將提取的特征值按訓練集的格式保存在文本文件中，特征向量中主要包括3種顏色特征、5種形狀特征和5種紋理特征，圖像識別主要是采用最大似然分類和支持向量機分類算法，兩者對識別病斑葉片的正確率達89.7％、87.7％，其中對白粉病的識別正確率最高，達到98.9％、99.3％。<

4、br>　　4、構建了一個基于B/S（瀏覽器朋艮務器）、J2EE三層架構開發(fā)模式、MVC（模型、視圖、控制器）及其Struts實現的冬小麥葉部主要病害診斷系統，該系統主要借助Matlab圖像處理工具箱中的相關處理函數及MyEclipse集成開發(fā)環(huán)境，采用MySQL數據庫、Tomcat6.x服務器進行開發(fā)并完成。該系統主要包含圖像處理、病斑識別及標準病斑圖像庫3個模塊，實現用戶上傳病害圖像，并進行圖像增強、分割等處理，其次提取上傳圖像中的病