基于最优傅里叶描述子的粘连条锈病孢子图像分割

小麦条锈病是小麦锈病的一种，是中国小麦生产中分布广、传播快、危害面积大的重要病害之一，特大流行年份减产可达60％以上，甚至绝产。小麦条锈病越夏孢子数是判断条锈病是否爆发的关键参数之一，但现有方法对粘连条锈病孢子的自动检测尚有困难。如何实现条锈病的有效防控一直是我国农业研究领域的重点和难点。对条锈病害病孢子人工计数会消耗大量人力，计数误差较大。实现粘连孢子的自动准确分割与计数对小麦条锈病孢子的在线检测具有重要的研究意义。

为了实现粘连条锈病孢子的准确计数，提出了一种融合K-means聚类算法与优选傅里叶描述子的粘连条锈病孢子分割算法，并实现了粘连孢子的准确计数。

1. 首先利用K-means聚类算法进行条锈病孢子的分割，实现了包含杂质等复杂背景下孢子的准确分割；

                                              

                                                A)孢子图像的预处理         B) 孢子图像K-means聚类

     2. 其次对不同傅里叶描述子的边缘描述效果进行了评价，优选出了适合的傅里叶描述子个数，解决了K-means聚类算法所得到的孢子边缘轮廓不够平滑的问题；

                                                                                   

                                                           A)频谱分布图           B)不同傅里叶描述子个数对孢子边缘的描述

                                                                       

                                                           C)高斯拟合曲线          D)傅里叶描述子对孢子图像边缘提取   

      3. 然后利用基于距离测度的角点检测算法，实现了粘连条锈病孢子的准确计数；

 

                                                                           

                                                                           A)中心点孢子角点检测图像

       最后，为了验证该方法的有效性，对20幅粘连孢子图像进行了分割试验。试验结果表明，本方法得到的条锈病孢子计数准确率为96.2%，可以用于复杂粘连背景下孢子的准确分割，表明将该方法用于小麦条锈病越夏孢子的计数是有效的、可行的。