万园洁, 卿粼波, 何小海, 董德良, 石 恒

1(四川大学 电子信息学院,成都 610065)

2(中储粮成都粮食储藏科学研究所,成都 610091)

1 引言

小麦是我国的重要粮食作物之一,也是世界三大谷物之一. 每年我国都会大量收购小麦,在收购过程中其品质的好坏会直接影响小麦的价格,因此对小麦进行评级显得尤为重要. 目前主要依靠专业的质检员对小麦品质进行评估,不仅工作量大,而且由于没有统一的评估标准,在对小麦定级时就会存在不同程度上的分歧. 这些问题,运用机器学习中的识别分类方法可以得到有效解决. 分割作为预处理是其中的一个重要环节,成为本文的研究重点.

在许多的图像和视频的应用中,分割都已成为不可或缺的一部分[1]. 目前比较常用的传统图像分割方法主要有： ① 基于阈值的分割方法[2]; ② 基于区域的分割方法： 基于区域分割的经典算法是区域生长[3]. 然而,区域生长的固有缺点是其往往导致过度的分割,结果易受噪声影响; ③ 基于边缘的分割方法[4]： 边缘是图像的最基本的特征之一,广泛存在于目标与背景、目标与目标之间. 这种分割方法首要做的就是检测边缘,之后根据边缘信息把前景与背景分离开来. 但是由于本文研究的小麦包括正常粒、破碎粒、生病粒、生虫粒这些不同种类,特征也比较复杂多样,这些都使得上述方法并不适合本文小麦图像分割. 因为不仅不同品种的小麦之间的颜色、纹理大不相同,即使是同一类……