基于图像处理和模糊识别技术的烟叶病害识别研究

　　摘 要： 为快速有效地诊断识别烟叶病害，提高烟草病害诊断水平，首先采用自适应中值滤波技术对采集的角斑病和野火病图像进行去噪处理，然后采用快速模糊C?均值聚类算法对病斑进行分割，最后提取烟叶病斑颜色、形状和纹理方面的特征，采用模糊识别技术对病害进行自动识别。实验测试表明，该模型对病害样本进行处理识别的正确率较高，能够满足生产的实际需求。
　　关键词： 烟叶病害； 自适应中值滤波； 快速模糊C?均值聚类； 模糊识别
　　中图分类号： TN964?34 文献标识码： A 文章编号： 1004?373X（2015）08?0004?04
　　Research on tobacco disease auto?recognition based on image processing and
　　fuzzy recognition technology
　　WANG Jian?xi， XU Xiang?yi
　　（Pingdingshan University， Pingdingshan 467000， China）
　　Abstract：To diagnose and identify tobacco diseases quickly and effectively， and improve the diagnostic level of tobacco diseases， the adaptive median filtering technology is used to perform the noise removal of the collected images of tobacco angular leaf spot and wildfire， the fast fuzzy C?means clustering algorithm is adopted to segment the lesion， and then the fuzzy recognition technology is used for the Auto?Recognition of the disease according to the characteristics of color， shape and texture of tobacco spot disease. Test results show the model has high recognition rate for the disease samples， and can meet the actual production requirements.
　　Keywords： tobacco disease； adaptive mean filtering； fast fuzzy C?means clustering； fuzzy recognition
　　烟叶病害对烟叶质量影响很大，而烟叶质量直接影响到烟制品质量和烟民的健康，及时准确地发现烟叶病害，快速识别烟叶病害的种类是烟叶病害防治的基础和前提。农作物病害识别诊断技术在玉米、小麦、大豆、黄瓜等作物方面研究较多，对于烟叶病害的研究较少[1?5]。中国是世界第一烟叶生产大国，2012年，全国种植烤烟2 118万亩，收购烤烟273.7万吨。因此，研究烟叶病害识别诊断方法具有重要的意义。本文利用图像处理和模式识别技术，针对烟叶种植中常见的角斑病和野火病，提出了一种新的烟叶病害自动识别诊断方法。
　　1 病斑图像预处理
　　1.1 图像采集
　　为提高病斑图像采集的准确性，本文采集的烟叶病斑图像是在植保科技人员的指导下，用数码相机在大田自然光照环境下拍摄获取的，以RGB格式导入计算机系统中，使用常用的图像处理软件去除图像中无关的背景，统一图像尺寸大小，供后续图像处理使用。
　　1.2 图像去噪处理
　　在图像采集时，使用数码相机采集的病斑图像常有脉冲噪声[6]，需去除噪声，在进行去噪处理时，由于数码相机采集的真彩色图像占用存储空间大，处理所用时间较长，为了提高处理速度，需先把彩色图像转换为灰度图像。常用的中值滤波技术对烟叶病害图像进行过滤，能很好地过滤噪声，但存在一定的细节损失，从而导致在去除噪声干扰的同时使图像变得模糊[7]。
　　本文采用自适应中值滤波算法过滤图像中的噪声，该算法不像中值滤波利用排序结果的中值直接代替原中心像素灰度值，而是采用自适应中值比较算法判定该点是否是噪声[8]，如果是噪声则替换，否则噪声保留该点原始像素灰度值，这样既可以过滤掉脉冲噪声，同时也保存了非噪声的原始图像，优化了单纯中值滤波的效果。简单的中值滤波是采用[3×3]的窗口滤波器，而自适应中值滤波增加了[5×5]窗口滤波器。该算法思想可描述为：首先在[3×3]采样窗口模式下，计算采样窗口像素的中值Xmed是否在采样窗口像素最大值Xmax和最小值Xmin之间，如果在两者之间，说明中值Xmed不是极值。接着判断采样窗口中心像素值Xxy是否在最大值Xmax和最小值Xmin之间，假如在二者之间，说明中心像素值Xxy不是极值，这样就不需用中值替换中心像素值，直接输出中心像素值即可；否则中心像素值是极值，需要用中值Xmed替换中心像素值。
　　假如上述步骤中中值Xmed并没有处于像素最大值Xmax和最小值Xmin之间，表示中值Xmed是极值，这时需要将采样窗口增大到[5×5]，重复执行以上步骤，假如还是找不到一个合适的中值Xmed，则输出[3×3]窗口模式下求出的中值结果，否则输出[5×5]窗口模式中求出的结果。该算法步骤如下：
　　（1） 如果Xmax-Xmed>0且Xmed?Xmin>0，则转步骤（2）；
　　否则增加窗口模式；

相关热词搜索：识别 病害 烟叶 图像处理 模糊