基于改进型模糊边缘检测的小麦病斑阈值分割算法

针对小麦病斑分割不准确、噪声大以及病斑边缘不清晰等问题,结合传统的作物病斑分割方法,提出一种基于改进的模糊边缘检测的图像阈值分割算法。图像预处理方面,在分析了传统模糊边缘检测缺点的同时对算法作了两个方面的改进,使用梯度倒数加权平均滤波方法去除小麦病斑噪声,然后对多层次模糊算法进行数值分层改进,增强病斑边缘信息;最后对传统的阈值分割方法进行了算法改进,采用一种改进的最大类间方差比阈值分割方法,在增强图像边缘的基础上进行阈值分割,改进阈值选取方法,在模糊增强后的小麦病斑图像上进行阈值分割提取出小麦病斑形状特征。对在大田环境下获取的小麦病害图像进行边缘增强和阈值分割试验,与传统固定阈值分割算法试验对比得出,基于改进的模糊边缘增强与阈值分割相结合的改进算法正确分割率达98.76%,相比传统固定阈值分割算法提高了8.35个百分点,漏检比增加了1.29个百分点,噪声比为1.86%,相比减少了8.36个百分点,在运算时间上减少了0.331 s,不仅突出病斑边缘信息,而且分割效率高、噪声小,可为图像分割方法的研究提供了可参考依据。

病害特征在作物病害识别中的应用研究综述

病害特征指作物在感染上病害时,在生理、形态和结构上发生病变特征,而病害识别则是利用提取出的作物病害特征来对作物进行病害识别,通常在病害形状、纹理和颜色作为识别特征的3个重要指标。将图像处理技术应用到病害特征提取识别中的研究与发展,分别从形状、颜色、纹理的特征提取出发,基于部分学习方法的病害识别,对近些年作物病害特征提取识别的应用研究进行综述,分析几种特征在病害识别研究中的优势与不足,并对病害特征在农业检测识别应用的前景进行展望。

基于图像处理的小麦白粉病病斑生长模型构建

为更好的了解小麦白粉病发育周期内的生长情况,利用图像处理技术分割小麦白粉病完整生长周期单个病斑图像,并提取单个病斑面积特征在整个生长周期内的变化规律,采用Logistic,Gompertz和Richards3种生长模型对病斑面积变化规律进行拟合和分析。结果表明:单个病斑面积生长曲线呈现‘S’型增长曲线,三种生长模型拟合面积生长曲线效果良好,其中Richards、Logistic生长模型拟合效果好。

基于图像的小麦白粉病病斑形状演变规律

通过图像处理技术获取小麦白粉病单个病斑从显症开始到病斑枯萎的整个生命周期内病斑变化的时间序列图像集,并通过定义面积、周长和圆形度3个形状参数描述和总结了单个病斑形状在整个生命周期内的演变规律。结果表明,病斑面积变化曲线从显症开始到稳定成熟期之间符合生物学上的"S"形增长曲线,从稳定期到病斑枯萎之间的衰亡期内表现为反"S"形曲线,皆可以用Logistic曲线拟合;其周长曲线在生长期内为时间变量的一次函数,其斜率会因病斑个体的不同而不同;其圆形度曲线在整个周期内为递减的指数曲线,在显症后的较短时间内,数值迅速下降,在面积值达到逻辑斯蒂快速增长期时趋于稳定。通过图像处理技术来获得小麦白粉病单个病斑的形状演变参数,建立了全周期内更加精确化的演变模型,为病害发展状况的自动化识别研究起到推动作用,促进农业智能化发展。