论文部分内容阅读
近年来随着计算机技术的迅猛发展,以信息技术为基础的图像处理和模式识别技术在农业病原微生物的自动检测领域中得到了越来越广泛的应用。相对于传统的生物学显微检测方法来说,它具有工作效率高、主观误差小的特点,能显著提高农业病害预报的准确性和时效性。 基于图像处理的小麦白粉病菌孢子图像自动识别技术的研究,对有效防治小麦白粉病的发生,提高小麦的产量、减少农药对空气和环境的污染,均具有重要的现实意义。本研究在国内外研究成果的基础上,利用图像处理和神经网络等技术对小麦白粉病菌自动识别系统进行了研究。主要成果和创新点如下: 1.新整体方案的提出和制定 已有文献所研究的病菌孢子图像都是通过显微镜获得的,且图像中的病菌孢子大多数是通过手动裁剪先获得单个孢子,然后再进行相应处理,或者是基于整幅图像中只含有孢子的图像进行孢子的自动计数。而本文所研究的病菌孢子图像是通过专门的智能孢子捕捉仪获取的,其图像信息量大、背景复杂,所以本文的小麦白粉病菌孢子自动智能识别系统是开创性的新尝试。提出了用于小麦白粉病菌孢子的自动识别和计数的新整体方案,为小麦白粉病害测报提供了一种先进的手段和工具。 2.提出了白粉病菌孢子图像预处理和分割算法 针对白粉病菌孢子图像整体偏暗的特点采用了基于Retinex理论的图像增强方法,使图像整体对比度提高,颜色更接近图像本来的面貌。提出用基于Sobel边缘检测与Niblack方法的局部阈值法结合的图像分割方法,获得孢子的二值图像,再进行孔洞填充,用改进的数学形态学滤波器对分割后的图像作进一步的处理。对于粘连的孢子图像,使用改进的分水岭算法将其分开,实现孢子区域的自动分割,为小麦白粉病菌的特征提取奠定基础。 3.确定了白粉病菌孢子的特征提取技术 针对白粉病菌孢子图像的颜色信息、灰度信息和区域信息,提取了孢子的颜色、纹理和形状特征,并且特征归一化便于送入神经网络之后的优化处理。 4.建立了小麦白粉病孢子图像自动识别智能系统 本文运用VC++编写并初步实现了白粉病菌孢子的自动识别,建立了基于改进的RLS-BP神经网络的小麦白粉病孢子图像自动识别智能系统,以实现对小麦白粉病孢子的识别计数和对白粉病疫情的预测功能。