李学俊，赵礼良

1.安徽大学 计算机科学与技术学院，合肥 230601

2.安徽大学 计算智能与信号处理重点实验室，合肥 230039

扁豆病害叶片的病斑剥离分割

李学俊1，赵礼良2

1.安徽大学 计算机科学与技术学院，合肥 230601

2.安徽大学 计算智能与信号处理重点实验室，合肥 230039

1 引言

植物病害是农业生产主要的限制因子之一，联合国粮农组织的研究结果表明，农作物病虫害自然损失率在37%以上，据此测算，若不采取防控措施，我国每年因病虫危害将损失粮食3 000亿斤。国内外很多专家对病虫害防治进行了深入的研究。

尽管病害症状各种各样，但绝大多数会在叶片表现出来。因此，病害造成的叶片病斑数量和病斑大小是判断病害发生程度的主要依据。目前该方面的监测工作主要靠人工测量植物叶片的病斑来完成。但越来越多的农学专家试图应用机器视觉技术来进行农作物病虫害的自动识别，该技术对变量喷药具有重要意义，既降低了劳动强度，又提高了工作质量[1-3]。植物病害图片通常在大自然环境中拍摄，由于光照和背景的影响，直接使用文献[4-5]提出的FCM算法很难一次分割出病斑。文献[4]提出自适应的利用领域和灰度信息来提高传统FCM算法的鲁棒性，由于彩色图片转化成灰度图像后丢失了太多的彩色信息，正常叶片和病斑可能在灰度上过度相似，即使提高了算法本身的鲁棒性，依然不能将多度相似的部分分开。彩色图像分割能得到较好的分割效果，但通常都是在不同色彩通道下分别分割，再对结果进行融合，当像素颜色映射到三个直方图不同位置时，颜色信息会发散，目标病斑可能落在不同分类上，依然难以提取病斑[5]。……