论文部分内容阅读
本文从农业实际生产出发,围绕冬小麦叶部主要病害的快速诊断,将冬小麦病害识别的专家知识与数字图像处理技术、模式识别相结合,综合运用Matlab和Java Web技术,研究实现了冬小麦叶部主要病害图像的诊断识别。研究的主要内容及取得的进展主要有以下几个方面:1、在病害图像增强方面,比较了直方图均衡化、维纳滤波及中值滤波3种增强算法的效果与差别,结果表明直方图均衡化处理效果不佳,而维纳滤波和中值滤波可以对图像的边缘及细节信息得到较好的保留,增强效果较为满意,其中中值滤波运算简单,对椒盐噪声特别有效,因此在系统的实现过程中采用中值滤波对病害图像进行增强处理。2、在图像的病斑分割方面,比较了阈值化分割、形态学梯度及选取ROI分割3种算法的效果与差别,结果表明阈值化分割方法较依赖用户的主观评判,且由于多数图像的直方图是离散不规则的,因此对阈值的选取存在较大分歧,而选取ROI分割方法比其他2种方法具有更好的直观性和简单性,可以直接实现对彩色图像分割,且分割效果较好,准确率达96%,因此在系统的实现中选用选取ROI分割方法进行图像的病斑分割。3、在特征提取及识别方面,主要对病斑图像进行颜色、形状及纹理特征的提取,并将提取的特征值按训练集的格式保存在文本文件中,特征向量中主要包括3种颜色特征、5种形状特征和5种纹理特征,图像识别主要是采用最大似然分类和支持向量机分类算法,两者对识别病斑叶片的正确率达89.7%、87.7%,其中对白粉病的识别正确率最高,达到98.9%、99.3%。4、构建了一个基于B/S(浏览器/服务器)、J2EE三层架构开发模式、MVC(模型、视图、控制器)及其Struts实现的冬小麦叶部主要病害诊断系统,该系统主要借助Matlab图像处理工具箱中的相关处理函数及MyEclipse集成开发环境,采用MySQL数据库、Tomcat6.x服务器进行开发并完成。该系统主要包含图像处理、病斑识别及标准病斑图像库3个模块,实现用户上传病害图像,并进行图像增强、分割等处理,其次提取上传图像中的病斑信息,结合数据库中的病斑信息进行分类,得出上传图像的病害归属,同时可以查询该病害的相关病情及防治措施。此外,系统后台建立的数据库包含大量的标准病斑图像,用户也可以通过查看标准病斑库,了解各类病害图像的相关信息。