复杂背景下植物叶片图像分割算法及其应用研究

植物是人类生产和生活所必需的资源之一,对其进行分类研究具有重要的现实意义和应用价值。目前有很多研究人员都在借助于计算机图像处理和模式识别技术进行植物分类。数字图像目标分割与提取是数字图像处理和计算机视觉领域中一个备受关注的研究分支。因为在目标分割与提取过程中可以利用大量的数字图像处理的方法,加上其在计算机视觉、模式识别等领域中的广泛应用,都吸引了众多研究者的注意。图像分割是从图像处理进到图像分析的关键步骤,也是进一步图像理解的基础。只有通过对图像的合理分割,对图像的分析才成为可能。由于植物叶片图像采集过程中,其中会有简单或者复杂的背景,针对这些不同的图像,需要采用计算机图像处理的技术提取出图像的目标区域—叶片,然后对植物叶片进行特征的提取,以及接下来的分类识别。本文主要针对实验室采集到的植物叶片图像本身特点进行图像分割算法与应用的研究,特别是复杂背景下的植物叶片的图像分割算法的研究与应用。本文在图像分割完成后,提取了植物叶片图像目标区域的形状、颜色、纹理特征进行植物分类,本文中建立了植物叶片图像识别系统。 本文得主要工作总结如下: 1.图像分割:研究经典的图像分割算法,比如阈值分割,边缘检测;针对具体的复杂背景的植物叶片,研究主动轮廓,分水岭算法,并用他们进行图像分割。 2.植物叶片图像特征提取:对分割出来的叶片目标区域进行形状,颜色,纹理特征的提取。我们对叶片图像的特征提取进行了全面的讨论,详细介绍了我们的提取的15项形状特征,3个颜色特征,4个纹理特征以及它们的计算方法。 3.植物叶片图像分类识别:由于叶片识别是一个大样本问题,本文首先介绍了四种常用在图像识别领域里的分类器:近邻分类器、特征线分类器和BP神经网络,支持向量机。根据叶片图像识别的数据特点,我们采用支持向量机对提取的形状、颜色、纹理特征进行分类。 4.使用Visual C++6.0开发了植物叶片图像识别系统。