1、草莓葉片是反映其生長(zhǎng)狀態(tài)的重要部分。為了實(shí)現(xiàn)對(duì)草莓的生長(zhǎng)狀態(tài)監(jiān)測(cè)，需要對(duì)其葉片的健康狀況進(jìn)行持續(xù)監(jiān)測(cè),而對(duì)草莓葉片部分是否異常的診斷可以對(duì)種植者是否噴藥、噴藥種類及噴藥量進(jìn)行指導(dǎo)。對(duì)自然光下草莓圖像進(jìn)行病害識(shí)別面臨的主要困難是光線不一致導(dǎo)致葉片有陰影、綠色葉片重疊導(dǎo)致目標(biāo)與背景不好分割以及病害特征難以選取。本文針對(duì)草莓蛇眼病害圖像的分割與識(shí)別，提出了基于標(biāo)記的改進(jìn)的分水嶺圖像分割算法和基于紋理統(tǒng)計(jì)特征的支持向量機(jī)（Support Vec

2、tor Machine，SVM）的圖像識(shí)別方法。該方法首先利用顏色閾值提取草莓葉片區(qū)域圖像。之后對(duì)HSV彩色空間內(nèi)的灰度圖像以及邊緣梯度圖像進(jìn)行處理來(lái)分別獲取前景標(biāo)記與背景標(biāo)記，并采用強(qiáng)制極小值技術(shù)對(duì)兩種標(biāo)記進(jìn)行標(biāo)定，在此基礎(chǔ)上使用標(biāo)準(zhǔn)分水嶺變換方法即可提取出草莓單葉片圖像。然后對(duì)提取出的草莓單葉片圖像求取歸一化灰度直方圖，并依據(jù)該直方圖進(jìn)行8個(gè)紋理統(tǒng)計(jì)特征的提取與融合，最后使用SVM方法對(duì)葉片進(jìn)行病害識(shí)別。
　　分水嶺方法可以有

3、效地分割草莓病害圖像，而通過SVM這種模式識(shí)別方法能夠識(shí)別草莓單葉片圖像中是否存在病害。本論文基于圖像處理方法進(jìn)行草莓病害識(shí)別，主要進(jìn)行了以下幾個(gè)方面的研究：
　　（1）對(duì)草莓原始圖像進(jìn)行預(yù)分割提取，主要使用超綠色分量突出，圖像增強(qiáng)，閾值分割以及腐蝕與膨脹等操作，以此來(lái)完成草莓病害圖像中的復(fù)雜背景的去除和葉片區(qū)域的提??；
　　（2）將綠色葉片區(qū)域圖像轉(zhuǎn)換為 HSV彩色空間內(nèi)的灰度圖像，對(duì)此灰度圖像進(jìn)行標(biāo)記處理，再使用分水嶺方

4、法提取出草莓單葉片圖像，這些單葉片圖像將用于后續(xù)的病害識(shí)別；
　　（3）對(duì)分割出的單個(gè)草莓葉片圖像進(jìn)行灰度化處理，然后求取歸一化灰度直方圖，并提取其8個(gè)統(tǒng)計(jì)特征，包括平均灰度、標(biāo)準(zhǔn)偏差、三階中心矩、平滑度、均勻性、平均信息量、最大概率灰度級(jí)、灰度范圍，最終形成特征向量；
　　（4）分別使用SVM、K-近鄰（K Nearest Neighbor，KNN）和樸素貝葉斯(Naive Bayes，NB)方法對(duì)草莓葉片圖像樣本特征向量