光照变化环境下作物图像分割方法开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

研究意义所谓图像分割是指将图像中具有特殊意义的不同区域分开来，并使这些区域相互不相交，且每个区域应满足特定区域的一致性[1]。

现代农业生产中自动化图像设备使用广泛。

因此采集作物数码图像变得十分方便。

2. 研究的基本内容和问题

研究目标本文的目标是建立一种自然光条件下的图像分割模型，基于决策树进行机器学习，使得无需为每一幅图像设置临界值就可以尽可能精确地将作物图像分割出来。

然后根据某种评价标准与当今应用广泛的分割算法（基于阈值选取的图像分割算法、基于区域的图像分割算法、给予边缘检测的图像分割算法）进行比较，从而讨论出一种在光照条件下农作物分割的最佳算法。

并用matlab模拟实现算法，完成演示系统。

3. 研究的方法与方案

研究方法采用查阅文献和书籍的方法，掌握matlab语言并实现各个算法。

基于决策树与机器学习，构建模型实现光照条件下的农作物图像分割。

学习matlab平台技术，实现模式识别与图像分割。

4. 研究创新点

特色或创新之处传统图像的分割算法通常是基于光照条件不变的条件进行研究，但由于农作物需要自然光且大多生长在室外的特殊性，为了处理自动化设备在连续时间内采集到的图像，研究考虑自然光照条件的图像分割算法线就显得尤为重要。

本文基于决策树进行机器学习，使得无需为每一幅图像设置临界值就可以尽可能精确地将作物图像分割出来。

由于目前广泛应用的的分割算法并没有考虑到光照条件。

5. 研究计划与进展

研究计划及预期进展2014年10－12月：选题并搜集相关资料。

2015年1月：开题报告。

根据指导老师的建议对书研究方向进行进一步完善与修改。