自然背景下植物叶片自动分割算法
摘要：在人类所生活的空间之中，植物在人类的生活当中扮演着重要的角色。作为植物的重要器官——叶子一直以来是植物生长状态与种类识别的重要判据之一，比如通过观察植物叶片可判断植物病害类型。研究植物，植物叶片的识别、检测和分割是不可缺少的。叶片分割作为植物叶片识别与分类的基础,分割的精确程度将会直接影响到后面识别和分类的性能，因此研究复杂背景下的植物叶子图像的分割及其特征信息的提取具有重要的应用价值。
关键词：植物叶片分割，深度学习，卷积神经网络
1.研究背景及意义
植物是地球上不可或缺的生物之一，是人类赖以生存的基础,是人类生产和生活所必需的资源之一。研究植物，特别是在植物叶片分割这个问题上具有重要价值。植物叶片的分割在植物识别和健康状态检测起到了较大的作用，并且分割方法是计算机视觉方面的重要部分。语义分割是一种视觉场景的理解任务，它从像素水平上理解、识别图片的内容，然后根据语义信息进行图像分割。在获取自然生长状态下的植物叶子图像时， 由于拍摄的植物叶片在自然条件下，有许多无关背景，土壤、灰尘、光照这些因素对叶片分割产生很大影响，在面对复杂的背景时，复杂背景直接影响到目标叶子的分割提取效果，进而影响到其特征信息的提取与识别的准确率，除此以外，植物叶片在形状和纹理上都存在着较大差异，所以对植物叶片的识别、检测、分割仍然是一个较难解决的问题。机器有效识别植物叶片，把叶片从复杂背景中提取出来，才能继续对植物分析，因此研究复杂背景下的植物叶子图像的分割及其特征信息的提取具有重要的应用价值。所以，如何使用数字图像处理技术和机器视觉技术对叶片图像进行分割就显得尤为重要了。
2.国内外研究概况
在国外，最初的使用计算机进行植物分类方法是将人工测量的所有叶片特征输入到计算机中，得出分类结果。该方法是通过使用大量的人工劳动从生物学领域上得到区分叶片类别的相关特征，虽然依靠计算机自动识别这些特征，从而得到可靠的分类器，但还是耗时耗力，可区分的植物类别较少。为了能够通过计算机辅助提取目标叶片图像，进行叶片特征提取和识别，叶片图像的分割算法作为植物叶片识别和分类的基础，受到越来越多的研究者的关注和研究。研究人员开始对复杂背景下的叶片分割算法进行研究。Yanikoglu等人提出一种将Otsu自适应阈值、分水岭和数学形态学技术相结合的叶片图像分割方法。Grand-Brochier 等人使用Input Stroke和 Color Distance Maps两种预处理方法提高叶片图像分割的精确度和质量。
在国内，也有很多相关研究。胡波等人提出一种基于二维直方图的杂草图像分割算法。在该方法中，增加了各像素点的相邻区域信息，使得在自然背景下，部分残损叶片和叶片光滑导致的光照反射的影响有所减少，叶片的连通性被很好的保留下来。毛罕平等人观察病害作物的叶片图像，对其分割方法进行研究，提出了一种自适应分割方法。该方法是在模糊C均值聚类算法的基础上，对作物病害图像进行分割，并取得了很好的分割效果。杜吉祥等人根据不同叶片图像拍摄情况，从全局阈值法、多阈值法和局部自适应阈值法中，进行了选择，若哪种方法适合该图像的分割，就用该阈值分割方法对其进行分割，从而获得叶片图像的分割结果。张连宽等人运用颜色分割保留作物图像的绿色区域，对该区域再用光滑度进行分割，去除部分背景，如枝、茎和杂草等，再用腐蚀与区域面积的方法，去除剩余背景，最后，对叶片区域进行膨胀操作，得到完整的作物叶片图像。
目前基本所有的研究都集中在单片植物叶片分割问题上，在使用计算机视觉进行植物叶片分割时，现有的叶片区域分割方式主要分为两种形式:一种是将叶片采摘后于单一背景下进行拍摄和分割，进而得到叶片区域的方法;另一种是对自然场景中拍摄的图像进行分割后再进一步提取出叶片区域的方法。其中，在自然场景中进行拍摄并采集的方式适用范围更广，但同时也伴随着图像的背景较为复杂，色调单一且彼此相互遮挡等问题。为了识别并研究植物叶片图像中的目标叶片，需要在这类背景比较复杂的图像中将目标叶片区域分割出来。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
