《植物叶片图像分割算法研究》文献综述
为了辩识和分析植物叶片图像中的叶片目标,需要将感兴趣植物叶片图像从整幅图像中分离提取出来,此过程就涉及到植物叶片图像的图像分割。所谓图像分割就是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域,使得这些特征在同一区域内,表现出一致性或相似性,而在不同区域间表现出明显的不同。在此基础上才有可能进一步对目标进行测量和对图像进行利用。图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。
1. 研究的目的及意义
从植物分类的角度看，识别一种植物最直接有效和简单的方法就是从它的叶片着手，叶片的形状、颜色、脉络都可以作为植物分类的依据 。植物叶片脉络分析成为了农业生产经营和植物学研究中具有非常重要意义的基础性工作。开展此类研究可以大力推动农林产业向数字化方向发展，同时对计算机科学尤其是计算机图形图像、计算机视觉以及自动化等领域的研究也将起到推动作用，对植物种类的识别和分类、探究植物间亲缘关系有着重要意义。快速大量的植物叶片图片识别可以方便识别植物种类对植物进行归类。从叶片识别植物是传统识别植物的重要方式，叶片具有多样性，可以相对稳定地识别植物，尽管通过植物繁殖器官可以更稳定准确的辨别植物，但叶片可以作为平面二维图片方便做研究。并且叶片易受环境影响，容易反映出植物对处的环境特征，对于植物疾病的防治有重大意义，可以在计算机上更快速的识别植物叶片的病斑，并加以防治。
2.基于MATLAB的图像分割优势
MATLAB允许用户以数学形式的语言编写程序，用户在命令窗口中输入命令即可直接得出结果，这比C 、Fortran和Basic等等该机语言都要方便的多。另外，MATLAB的内部函数提供了相当丰富的函数，这些函数解决许多基本问题，如矩阵的输入。在其它语言中(比如C语言中)，要输入一个矩阵，先要编写一个矩阵的子函数，而MATLAB语言则提供了一个人机交互的数学系统环境，该系统的基本数据结构是矩阵，在生成矩阵对象时，不要求做明确的维数说明。与利用C语言或ensp;Fortranensp;等等高级语言编写数值计算的程序相比，利用MATLAB可以节省大量的编程时间。这就给用户节省了很多的时间，把繁琐的问题交给内部函数来解决。
3.国内外研究状况
早在1991年,国外的E.Franz等即提出利用植物叶片的边缘曲率来识别植物,但受到当时计算机理论和软硬件条件的限制。近年来,随着计算机硬件性能的提高和图像处理技术的发展,以及世界各国数字化农业的开展,对植物叶片进行图像处理和分析又渐渐得到了人们的重视,并取得了一些成果。其中,C.Im的等利用对叶片的多边形逼近来识别槭属类植物；T.Saitoh等利用花朵和叶片的图像来识别野生花;F.Mokhtarian等发展了利用多尺度曲率空间方法(CSS)用于自遮掩的叶片识别;Y.F.Li等利用基于细胞神经网络的Snake模型来提取叶脉;傅弘等提出一种基于人工神经网络的叶脉提取方法;中科院合肥智能机械研究所智能计算实验室利用植物叶片的形状特征、纹理特征来识别植物等;美国哥伦比亚大学在美国国家自然科学基金资助下,于2007年开发出了基于虚拟现实技术的便携式植物鉴定设备原型,这是目前报道的第一套植物分类硬件原型设备。此外,Q.Wu等,Y.S.Tak等也相继开展了对植物叶片图像检索的相关研究工作。
虽然对植物叶片图像处理的研究已经取得了一些进展和成果,但这些研究工作的重心大都放在了植物叶片的特征提取以及相关分类器的设计上,且使用的叶片图像均为背景较为简单的标本或实验室图像。对于特征提取之前较为关键的步骤一图像分割也大都选择了一些传统的方法,比如阈值法、梯度算子、形态学方法或聚类方法等,对于真实环境下具有复杂背景的植物叶片图像分割很少涉及到。
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。
