基于2R-G色差和形态学的田间水稻叶瘟病斑精确分割方法

本文主要探讨了"基于图像处理的田间水稻叶瘟病斑分割方法"这一主题，由吴露露、郑志雄等人合作完成。他们针对水稻叶片上叶瘟病斑的特性，提出了一个综合性的图像处理策略。首先，利用2R-G色差分量模型对稻叶图像进行特征提取，这种方法能有效地区分病斑与正常叶片的颜色差异。接着，Canny边缘检测算法被应用于2R-G色差分量图斑，以识别病斑的边缘轮廓。为了修正边缘可能存在的封闭性问题，研究者设计了一个自定义边缘封闭修复模板，确保边缘的完整性和准确性。 在边缘检测的基础上，研究人员应用HIS模型中的H分量来提取叶片正常部位的信息，并将其与修复后的图像进行掩膜运算，以此确定病斑边界。通过形态学运算进一步去除那些不完整的边缘线，提高分割的精确性。最后，文章提出了一种归一化绿蓝差值指数（DNGBI）作为阈值过滤器，用来识别并分离出封闭的非病斑区域，从而准确地提取出叶瘟病斑。 该研究方法的成功之处在于结合了多种图像处理技术，包括色彩空间转换、边缘检测、模板修复和阈值分析，显著提高了叶瘟病斑的识别率。据试验结果显示，这种方法的正确识别率高达90.26%，对于实际的农业生产具有重要的实践意义。此外，论文还提到了该研究得到了国家自然科学基金、博士学科点专项科研基金以及现代农业产业技术体系建设专项资金的支持。 这项工作不仅提供了有效的田间水稻叶瘟病斑检测手段，也为图像处理在农业病害诊断中的应用提供了新的思路和技术支持。对于农业科学家、技术人员以及病虫害防控工作者来说，这篇文章的研究成果具有较高的参考价值。