1、小麥是重要的糧食作物,在世界上播種面積和總產(chǎn)量都占據(jù)第一,以小麥為主要糧食的人口占世界總?cè)丝诘?/3,小麥生產(chǎn)在國民經(jīng)濟中占重要地位,是整個農(nóng)業(yè)生產(chǎn)的基礎(chǔ)。小麥品種的選擇是實現(xiàn)小麥豐產(chǎn)的關(guān)鍵,新品種產(chǎn)量預測和分蘗率的自動計算是育種專家繁重勞動的制約因素。因此,對小麥圖像自動識別的研究具有重要科學意義和應(yīng)用價值。
　　 目前,小麥產(chǎn)量預測方法有:田間人工判斷預測,電容量測產(chǎn)、遙感預測、氣候和供求關(guān)系分析預測法、年景預測等方法,但這

2、些方法存在一些問題:憑專家經(jīng)驗判斷,會因個人經(jīng)驗不同導致預測存在差異;電容量測產(chǎn)使用專利產(chǎn)品,成本較高且小麥密度和分蘗率不易測量;遙感技術(shù)通過衛(wèi)星遠距離拍攝圖像,適用于大面積田地的處理和分析,預測密度過大、準確度低,難以實現(xiàn)小范圍的育種和估測;氣候和供求關(guān)系分析預測法以及年景預測法只能做到大范圍的整體粗略估計。而借助于計算機圖像處理和模式識別技術(shù)對小麥圖像進行識別和分析,可以有效地解決這些問題,從而為育種考種和科學預測產(chǎn)量提供依據(jù)。

3、r>　　 本文以計算機圖像處理技術(shù)為主要技術(shù)手段,綜合運用數(shù)字圖像、攝影、生物特征、模式識別等方面的知識,對麥穗的自動識別進行了研究。本文的主要工作如下:
　　 1.麥穗圖像的采集
　　 為了提高自動識別的準確性同時盡量減少對圖像采集的約束條件,對圖像拍攝方法進行了研究。通過調(diào)整相機成像方式,在田間麥壟問隙對穗部單獨拍攝,以減少背景干擾。
　　 2.麥穗圖像預處理
　　 圖像狄度化和二值化:利用傳統(tǒng)灰度

4、化方法進行試驗,通過比較處理后的圖像效果,在研究中找到了改進分量法的麥穗圖像灰度-二值化處理方法。圖像增強:對二值化的麥穗圖像中存在的孤立噪聲點,采用快速并行中值濾波法對噪聲點進行過濾。背景分割:采用sobel算子邊緣檢測的方法進行背景分割。最后利用形態(tài)學中的二值閉運算,對分割后的麥穗圖形中的空洞進行填充,使目標圖像更具體。
　　 3.麥穗特征提取
　　 為便于麥穗的識別,對麥穗的形狀特征、紋理特征進行提取。形狀特征提取