基于特征直方图核密度聚类算法的作物叶片病变区域的快速检测

摘要 植物病虫害会严重影响植物的健康生长，对生态环境造成破坏。对于农作物而言，病虫害会严重降低农作物的产量，以至于威胁到人类的生存。作物病虫害发作的特征主要体现在植物叶片发生病变，所以通过机器视觉对作物叶片病变区域进行检测，是目前的研究热点，这对于植物病虫害的早期发现和防治具有重要意义。针对病变叶片图像的复杂性和模糊性，提出一种基于特征直方图核密度聚类算法的植物叶片病变区域快速检测方法。首先，将病变叶片图像的颜色空间从RGB转换到Lab空间，在此基础上，根据病变叶片的特征直方图特性，运用多项式拟合特征直方图曲线，根据导数性质确定拟合特征直方图曲线的峰值点和峰值区域；接着，在峰值点和峰值区域运用meanshift算法初步确定族类中心；其次，根据初步确定的病变叶片图像的族类中心，运用K-means算法快速完成对病变叶片区域的分割；最后，开展了仿真实验验证, 结果表明所提出方法能够快速精确地对病变叶片区域进行分割。

关键词  特征直方图，核密度，聚类算法，病变叶片，均值漂移，K均值