小麦显微图像处理方法的研究

论文摘要

小麦分布范围广、用途多，是我国重要的粮食作物。随着生活水平的不断提高，人们越来越重视小麦的品质，对小麦品质分析技术提出了更高的要求。目前，图像处理技术在小麦显微图像中的应用较少，本文研究小麦显微图像处理的方法，为分析小麦及其它粮食籽粒微观结构提供技术支持，对于建立客观、准确、快速的粮食籽粒品质检测方法具有重要的意义。扫描电子显微图像在成像时常会出现图像对比度过低的现象，本文给出一种基于多技术融合的低对比度显微图像增强方法，将图像的高频和低频分量分开处理，避免增强图像的同时也增强噪声，结合Sobel算子、LoG算子和改进的有限对比自适应直方图均衡方法，实现对低对比度显微图像的增强。实验结果表明，本方法有效突出了图像边缘轮廓和细节信息，扩大了图像的动态灰度范围，增大了图像对比度和信息熵，具有良好的视觉效果。淀粉粒的大小及分布是淀粉重要的品质性状。根据小麦籽粒胚乳截面显微图像的特点，对淀粉粒边缘检测方法进行了研究，运用局部最大差值法提取图像边缘梯度信息，将其加权到原图上增强淀粉粒边缘，利用能保持边缘特性的形态学重建运算，对增强后的图像进行灰度平滑滤波，采用Canny算子实现目标图像的边缘检测。结果表明，该方法取得了较好的边缘检测效果，相比传统的边缘检测算子，增强了抗噪性能，提高了定位精度，为小麦淀粉粒的结构研究和定量分析提供了可靠的技术支持。传统基于机器视觉的小麦品种识别方法是通过提取小麦形状、颜色或纹理等外观特征进行的。利用电镜扫描发现，不同品种的小麦籽粒具有不同的微观组织结构，表现出不同的微观形貌。据此，本文给出了一种以显微图像为基础的小麦分类识别方法。通过灰度共生矩阵提取显微图像的纹理特征，将选取的特征及特征组合作为BP神经网络分类的输入，对8802-1、扬麦11、烟农19-1、西农979和矮早5个小麦品种进行了品种识别试验。实验表明，对品种的综合识别率达到90%以上，该方法简单易行，为小麦品种分类识别研究提供了新思路。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 图像处理在小麦品质分析中的应用
• 1.2.2 小麦显微结构的研究
• 1.3 本文的研究内容与结构安排
• 第2章 扫描电镜与小麦显微图像采集
• 2.1 扫描电子显微镜概述
• 2.1.1 构造和工作原理
• 2.1.2 电子束与固体样品作用时产生的信号
• 2.1.3 扫描电镜的主要性能
• 2.2 小麦显微图像的采集
• 2.2.1 样品制备
• 2.2.2 图像采集
• 2.3 本章小结
• 第3章 小麦显微图像增强
• 3.1 图像增强概述
• 3.1.1 图像增强的意义及方法分类
• 3.1.2 常用图像增强方法
• 3.2 基于多技术融合的低对比度显微图像增强
• 3.2.1 方法与实现
• 3.2.2 Sobel 梯度变换
• 3.2.3 高斯拉普拉斯滤波
• 3.2.4 低频图像增强
• 3.3 实验结果与分析
• 3.4 本章小结
• 第4章 小麦显微图像边缘检测
• 4.1 图像边缘检测概述
• 4.1.1 边缘检测简介
• 4.1.2 经典边缘检测算子
• 4.2 基于形态学和 Canny 算子的小麦淀粉粒边缘检测
• 4.2.1 实现方法
• 4.2.2 边缘图像增强
• 4.2.3 形态学重建
• 4.2.4 Canny 边缘检测
• 4.3 实验结果与讨论
• 4.4 本章小结
• 第5章 基于显微图像纹理特征的小麦品种识别
• 5.1 小麦显微图像纹理特征提取
• 5.1.1 灰度共生矩阵
• 5.1.2 纹理特征提取
• 5.2 小麦品种识别
• 5.2.1 BP 人工神经网络
• 5.2.2 网络识别
• 5.3 实验结果与分析
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 个人简历