摘 要： 為快速有效地診斷識(shí)別煙葉病害，提高煙草病害診斷水平，首先采用自適應(yīng)中值濾波技術(shù)對(duì)采集的角斑病和野火病圖像進(jìn)行去噪處理，然后采用快速模糊C?均值聚類算法對(duì)病斑進(jìn)行分割，最后提取煙葉病斑顏色、形狀和紋理方面的特征，采用模糊識(shí)別技術(shù)對(duì)病害進(jìn)行自動(dòng)識(shí)別。實(shí)驗(yàn)測(cè)試表明，該模型對(duì)病害樣本進(jìn)行處理識(shí)別的正確率較高，能夠滿足生產(chǎn)的實(shí)際需求。
　　關(guān)鍵詞： 煙葉病害； 自適應(yīng)中值濾波； 快速模糊C?均值聚類； 模糊識(shí)別
　　中圖分類號(hào)： TN964?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 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
　�。≒ingdingshan 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
　　煙葉病害對(duì)煙葉質(zhì)量影響很大，而煙葉質(zhì)量直接影響到煙制品質(zhì)量和煙民的健康，及時(shí)準(zhǔn)確地發(fā)現(xiàn)煙葉病害，快速識(shí)別煙葉病害的種類是煙葉病害防治的基礎(chǔ)和前提。農(nóng)作物病害識(shí)別診斷技術(shù)在玉米、小麥、大豆、黃瓜等作物方面研究較多，對(duì)于煙葉病害的研究較少[1?5]。中國(guó)是世界第一煙葉生產(chǎn)大國(guó)，2012年，全國(guó)種植烤煙2 118萬(wàn)畝，收購(gòu)烤煙273.7萬(wàn)噸。因此，研究煙葉病害識(shí)別診斷方法具有重要的意義。本文利用圖像處理和模式識(shí)別技術(shù)，針對(duì)煙葉種植中常見(jiàn)的角斑病和野火病，提出了一種新的煙葉病害自動(dòng)識(shí)別診斷方法。
　　1 病斑圖像預(yù)處理
　　1.1 圖像采集
　　為提高病斑圖像采集的準(zhǔn)確性，本文采集的煙葉病斑圖像是在植�？萍既藛T的指導(dǎo)下，用數(shù)碼相機(jī)在大田自然光照環(huán)境下拍攝獲取的，以RGB格式導(dǎo)入計(jì)算機(jī)系統(tǒng)中，使用常用的圖像處理軟件去除圖像中無(wú)關(guān)的背景，統(tǒng)一圖像尺寸大小，供后續(xù)圖像處理使用。
　　1.2 圖像去噪處理
　　在圖像采集時(shí)，使用數(shù)碼相機(jī)采集的病斑圖像常有脈沖噪聲[6]，需去除噪聲，在進(jìn)行去噪處理時(shí)，由于數(shù)碼相機(jī)采集的真彩色圖像占用存儲(chǔ)空間大，處理所用時(shí)間較長(zhǎng)，為了提高處理速度，需先把彩色圖像轉(zhuǎn)換為灰度圖像。常用的中值濾波技術(shù)對(duì)煙葉病害圖像進(jìn)行過(guò)濾，能很好地過(guò)濾噪聲，但存在一定的細(xì)節(jié)損失，從而導(dǎo)致在去除噪聲干擾的同時(shí)使圖像變得模糊[7]。
　　本文采用自適應(yīng)中值濾波算法過(guò)濾圖像中的噪聲，該算法不像中值濾波利用排序結(jié)果的中值直接代替原中心像素灰度值，而是采用自適應(yīng)中值比較算法判定該點(diǎn)是否是噪聲[8]，如果是噪聲則替換，否則噪聲保留該點(diǎn)原始像素灰度值，這樣既可以過(guò)濾掉脈沖噪聲，同時(shí)也保存了非噪聲的原始圖像，優(yōu)化了單純中值濾波的效果。簡(jiǎn)單的中值濾波是采用[3×3]的窗口濾波器，而自適應(yīng)中值濾波增加了[5×5]窗口濾波器。該算法思想可描述為：首先在[3×3]采樣窗口模式下，計(jì)算采樣窗口像素的中值Xmed是否在采樣窗口像素最大值Xmax和最小值Xmin之間，如果在兩者之間，說(shuō)明中值Xmed不是極值。接著判斷采樣窗口中心像素值Xxy是否在最大值Xmax和最小值Xmin之間，假如在二者之間，說(shuō)明中心像素值Xxy不是極值，這樣就不需用中值替換中心像素值，直接輸出中心像素值即可；否則中心像素值是極值，需要用中值Xmed替換中心像素值。
　　假如上述步驟中中值Xmed并沒(méi)有處于像素最大值Xmax和最小值Xmin之間，表示中值Xmed是極值，這時(shí)需要將采樣窗口增大到[5×5]，重復(fù)執(zhí)行以上步驟，假如還是找不到一個(gè)合適的中值Xmed，則輸出[3×3]窗口模式下求出的中值結(jié)果，否則輸出[5×5]窗口模式中求出的結(jié)果。該算法步驟如下：
　�。�1） 如果Xmax-Xmed>0且Xmed?Xmin>0，則轉(zhuǎn)步驟（2）；
　　否則增加窗口模式；

相關(guān)熱詞搜索：識(shí)別 病害 煙葉 圖像處理 模糊