1. 研究目的与意义、国内外研究现状（文献综述）
本课题的意义植物叶片的定位识别是从叶片图像中获取目标叶状态信息的关键步骤，如果能够在获取的图像中自动识别出目标叶，即可分析得出其生长状态。
叶片的数量与叶面积可以用来判断植物的生长状态，叶片颜色改变区域与缺失区域可以用来判断作物病害信息。
然而，目前复杂环境下植物叶片的准确识别仍然存在很多难题：植物叶片图像中通常包含很多与目标叶颜色相近的杂草；叶片存在重叠，边缘不清晰的情况；叶片出现颜色改变、缺叶、坏叶的情况等。
2. 研究的基本内容和问题
研究目标（1）实现植物叶片骨架分割算法；（2）基于模糊连接算法，实现骨架分离；（3）确定复杂植物叶片图像中叶片的分布状态。
研究内容（1）尝试利用植物叶片骨架的亮度特性提取骨架，并基于骨架的相似线性特征对骨架进行增强；（2）利用模糊连接算法对叶片骨架进行分离；（3）通过比较各像素点的相对转动惯量，获取骨架的根；（4）计算各角度上叶片底部至顶部的骨架像素点的个数，获取叶片的主方向。
拟解决的关键问题（1）植物生长环境通常非常复杂，一些非骨架像素点具有与骨架相同的亮度特性，被误认为是骨架像素。
3. 研究的方法与方案
研究方法（1）使用基于切线方向的骨架分割算法从图像中识别叶片骨架；（2）利用叶片中骨架具有相似切线方向这个特性，对叶片骨架图像进行增强；（3）使用平滑度分割算法去除杂草对骨架定位识别的影响；（4）利用根的相对转动惯量最大这个特征进行叶片骨架的根识别。
技术路线具体技术路线如下：实验方案获取一幅植物叶片的图像，该图像中包含目标叶、杂草、土壤，以及其它一些干扰因素。
通过判断叶片骨架的切方向、获取骨架候选像素、骨架增强、骨架去噪这四步获取一次去噪后的图像一；经过颜色分割与平滑度分割，获取去除杂草与无关背景之后的图像二。
4. 研究创新点
特色或创新之处（1）目前国内外已有的植物叶片分割算法主要集中于颜色分割与形状分割两种类型，利用叶片骨架进行分割的研究非常少。
（2）亮度特征和线性特征是叶片骨架共同的特征，由此建立的基于相似切线方向的骨架分割算法可以适用于叶片杂乱分布，模糊边缘，重叠和杂草等复杂的环境。
（3）本课题的意义在于证明利用骨架进行植物叶片定位识别的可行性。
5. 研究计划与进展
（1）研究计划本课题计划实现以下功能：实现复杂植物叶片图像中背景与目标叶的分割、获取植物叶片骨架、骨架增强、骨架去噪、骨架分离、根识别、主方向识别等算法功能。
（2）预期进展2017年1月10日-1月20日：搜集与本课题有关的国内外研究论文。
2017年1月21日-2月01日：熟悉matlab的使用以及有关图像分割的算法。
