玉米叶片病害彩色图像识别的降维和聚类方法

朱景福　李雪

摘要：应用流形学习算法研究玉米叶片病害图像的识别。首先分别利用PCA、LLE、LE算法对玉米病害灰度图像和彩色图像进行降维，以得到高维空间中的低维特征，然后采用K-means算法进行聚类分析。结果表明：LLE算法作为玉米病害灰度图像识别的特征提取算法，识别率为76.5%；对玉米病害彩色图像进行识别，识别率达到99.5%以上。研究最终提出1种在RGB彩色空间用流形学习算法进行玉米叶片病害彩色图像识别的方法。

关键词：降维；聚类；玉米叶片病害；识别

中图分类号： TP391.41 文献标志码： A 文章编号：1002-1302（2016）07-0350-04

农作物病害是影响粮食生产安全的主要因素之一，准确识别出病害是病害防治的前提。应用计算机图像处理技术实现玉米病害的识别，可以提高病害识别的准确性、精度、效率，同时降低劳动强度[1]。曹丽英等将图像处理技术与BP神经网络算法相结合应用于玉米病害的识别和诊断[2]。Montalvo等利用双阈值法设计了1个在玉米田地里自动识别植物的专家系统[3]。张善文等利用局部判别映射（local discriminant projects，LDP）算法将高维空间的一维向量映射到低维子空间，实现对玉米病害叶片图像的识别[4]。目前图像识别主要的研究方法分为2大类：一类是直接提取叶片图像的颜色、形状或纹理等特征，实现分类识别；另一类是利用流形学习算法等对叶片图像进行维数约简，实现分类识别。这些方法基本都能达到较好的识别率。但是，这些图像识别方法大多基于灰度图像或将彩色图像变换到HSI等……