【正文】 Value = 0。j 8。i 8。j++) { SumDist = SumDist + DistGLCM[i][j]。 x1 = PixelValueX1/32。 for(i = 0。 double DistGLCM[8][8],SumDist。5 結(jié)論與討論本次設(shè)計(jì)成功實(shí)現(xiàn)了小麥腥黑穗病病菌鑒定系統(tǒng)，該系統(tǒng)能夠較好地從小麥的矮腥黑穗病和網(wǎng)腥黑穗病兩種病菌圖像的紋理特征入手，根據(jù)它們的不同紋理特征值來分離這兩種十分相似的腥黑穗病病菌。下面是對(duì)兩種腥黑穗病的分類實(shí)驗(yàn)。其中，cString為存儲(chǔ)收到的字符串變量，matStringName為發(fā)送的字符串變量 */int GetString(CAObjHandle hMatlab, char *matStringName, char **cString)。*/ int RunMatlabCommand(CAObjHandle hMatlab, char *mand)。相信只要熟悉LabWindows／CVI的讀者都會(huì)根據(jù)上述方法很順利地實(shí)現(xiàn)在LabWindows／CVI環(huán)境下與MATLAB混合編程。其方法及步驟如下：①打開注冊(cè)表編輯器，查到用戶安裝的相應(yīng)版本MATLABApplication的注冊(cè)碼，以version 6．5為例，其注冊(cè)碼是{554F605379D411D4．B067009027BA5F81}。建立ActiveX服務(wù)的方法有兩種：1 在LabWindows／CVI窗口中（LabWindows／，），用戶自行創(chuàng)建ActiveX服務(wù)函數(shù)，但這種方法要求先裝MATLAB，后裝LabWindows／CVI。,true)。holdOut39。提取出來這8個(gè)特征后，把對(duì)應(yīng)的數(shù)據(jù)保存到exl空間里，然后由exl文檔輸出這8個(gè)紋理特征。但是，作為研究，我們要有創(chuàng)新，突出新意。 小麥腥黑穗病菌的直觀特征小麥網(wǎng)腥黑穗病的冬孢子多數(shù)為球形或近球形，黑色至淡褐色。熵是圖像所具有的信息量的度量，紋理信息也屬于圖像的信息，是一個(gè)隨機(jī)性的度量，當(dāng)共生矩陣中所有元素有最大的隨機(jī)性、空間共生矩陣中所有值幾乎相等時(shí)，共生矩陣中元素分散分布時(shí)，熵較大?；叶炔罴磳?duì)比度大的象素對(duì)越多，這個(gè)值越大。能量是灰度共生矩陣元素值的平方和，所以也稱能量，反映了圖像灰度分布均勻程度和紋理粗細(xì)度。對(duì)于整個(gè)畫面，統(tǒng)計(jì)出每一種 （g1，g2）值出現(xiàn)的次數(shù)，然后排列成一個(gè)方陣，再用（g1，g2）出現(xiàn)的總次數(shù)將它們歸一化為出現(xiàn)的概率P（g1，g2），這樣的方陣稱為灰度共生矩陣。 獲取圖像的紋理特征：灰度共生矩陣紋理分析的一個(gè)核心問題是紋理描述(Texture Description)，在模式識(shí)別領(lǐng)域即為紋理特征提取(Texture Feature Extraction)。 紋理分析的研究內(nèi)容特征提取是紋理分析的基礎(chǔ)，好的紋理特征具有四個(gè)主要用途:紋理分類(Texture Classification)、紋理分割(Texture Segmentation) 、紋理檢索(Texture Retrieval) 以及紋理形狀抽取(Shape from Texture)。這些不同的定義是由于不同學(xué)者對(duì)紋理的不同理解而形成并且依賴于具體的應(yīng)用。一般來講，場(chǎng)景中一些潛在的物理變化會(huì)引起（例如水中的波紋，天空的云彩）圖像中的灰度變化，而后者表述了這些多樣化和難于描述的物理變化在視覺中的反映，這種在視覺上的反映就是紋理。%樣本分類；classes = svmclassify(svmStruct,data(test,:),39。%對(duì)樣本進(jìn)行標(biāo)記；groups= ismember(species,’setoas’)。K 對(duì)應(yīng)某特征空間Z 中的內(nèi)積, 即〈Φ(xi) , Φ(xj ) 〉= K (xi, xj)。
。 小麥腥黑穗病鑒定的研究內(nèi)容與技術(shù)路線 研究內(nèi)容本文主要研究內(nèi)容如下：⑴以小麥矮腥黑穗?。═illetia Controversa Kuhn）小麥網(wǎng)腥黑穗?。═illetia cories （DC.） Tul.）三種病害圖像為研究對(duì)象，分析、比較多種圖像預(yù)處理方法，提出適合于入境小麥病害圖像的預(yù)處理方法，改進(jìn)對(duì)圖像的處理效果；⑵對(duì)小麥進(jìn)行圖像分割，以便能提取出需要的特征，通過對(duì)不同圖像分割算法的效果及效率進(jìn)行分析，選出適合于小麥病害圖像分割的方法；⑶對(duì)小麥病害圖像的紋理特征進(jìn)行分析，包括能量、熵、慣性矩、局部平穩(wěn)性、相關(guān)性等；⑷在提取形狀、紋理特征的基礎(chǔ)上，分析每種病害的唯一性識(shí)別特征，實(shí)現(xiàn)小麥病害的分類識(shí)別。 研究現(xiàn)狀分析所查閱的資料還顯示，圖像處理技術(shù)在各種植物的病害識(shí)別方面應(yīng)用非常廣泛，包括玉米、黃瓜、甘蔗的病害識(shí)別等，但在小麥病害識(shí)別方面的應(yīng)用卻很少。 國內(nèi)研究現(xiàn)狀田有文,李成華（2004）用基于統(tǒng)計(jì)模式識(shí)別的植物病害彩色圖像分割方法，根據(jù)植物病害彩色圖像的特點(diǎn),提出了用顏色空間作為特征空間,利用統(tǒng)計(jì)模式識(shí)別的監(jiān)督分類方法,采用基于Fisher準(zhǔn)則的線性判別函數(shù)來對(duì)彩色圖像進(jìn)行真彩色二值化分割。綜合分析、比較、測(cè)試多種圖像預(yù)處理方法，提出適合于進(jìn)出境小麥病蟲害圖像的預(yù)處理方法；研究提取部分進(jìn)出境植物檢疫病蟲害圖像特征的圖像分割的有效算法；篩選出適合進(jìn)出境植物檢疫病蟲害分類識(shí)別的紋理特征。為保護(hù)糧食生產(chǎn)，防治TCK病菌的傳入，快速準(zhǔn)確的鑒別TCK和TCT及其近似種，成為一項(xiàng)十分重要的檢疫工作。小麥矮腥黑穗病于1847年最初在捷克發(fā)現(xiàn)，后于1860年發(fā)現(xiàn)于美國，目前已傳播至歐洲、北美和南美、中亞和西亞、南非及北非等31個(gè)國家，尤其是美國西北部的小麥染病尤為普遍。但是支持向量機(jī)（Support Vector Machine，SVM）可以克服極高維表示的缺陷，被廣泛運(yùn)用到紋理圖像分類中去。、Tamura方法和Gabor濾波方法分別提取圖像的紋理特征，并對(duì)比三種方法對(duì)分類出石紋和樹皮紋理兩種圖像的能力。小麥網(wǎng)腥黑穗?。ê喎QTCT）與小麥矮腥黑穗病是同屬不同種，它主要危害小麥和黑麥， TCK與TCT病菌的形態(tài)學(xué)特征極其相似，在檢疫中很容易混淆，給口岸的檢疫工作帶來困難。目前，國內(nèi)主要通過顯微鏡觀察，依據(jù)病原菌的冬孢子形態(tài)學(xué)特征、自發(fā)熒光顯微學(xué)特征和萌發(fā)生理學(xué)特征來對(duì)其進(jìn)行鑒定，難以保證檢測(cè)的穩(wěn)定性和客觀性，效率也較低。Burks （2000）利用彩色共生法（CCM）對(duì)土壤和5種雜草（巨狐尾草、蟹草、黎、絨毛葉、牽?；ㄈ~）進(jìn)行了識(shí)別。最后對(duì)五種玉米葉部病害的診斷精度在83%以上。首先是圖像的預(yù)處理；然后是對(duì)目標(biāo)物體的特征提取，包括形狀和紋理特征；再對(duì)提取到的特征進(jìn)行篩選，選出區(qū)分度好的特征進(jìn)行識(shí)別。圖像獲取平滑處理銳化處理圖像分割紋理特征特征選取并歸一化病害識(shí)別及軟件開發(fā)圖1 技術(shù)路線流程圖2 支持向量機(jī)（SVM）介紹 支持向量機(jī)的簡單介紹支持向量機(jī)(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì)，并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問題中。，對(duì)于多類問題效果不好。簡單地說，就是升維和線性化。具體地說, 當(dāng)樣本集在Z 中線性可分時(shí), 使分類間隔最大, 其求解如式（1）： ,st (1)當(dāng)樣本集在Z 中線性不可分時(shí), 使分類間隔和分類錯(cuò)誤達(dá)到某種折衷, 其求解如式（2）： ,st , (2)其中, ξi是松弛變量；C為正則化參數(shù)。,groups，20/100)。%分類準(zhǔn)確率的估算；classperf(cp,classes,test)。當(dāng)看到兩種不同的紋理，我們可以清楚地區(qū)別它們的相似性或差異性，但是很難用語言或數(shù)字來精確地來描述。例如，Cross和Jain也認(rèn)為:“紋理是由基元所組成。每一個(gè)這樣的區(qū)域都有不同的紋理特征，紋理分析算法從每個(gè)區(qū)域中抽取紋理特征來對(duì)這些模式進(jìn)行分類。關(guān)鍵點(diǎn)方法產(chǎn)生較晚，但是由于紋理特征的魯棒性，無疑具有很大的發(fā)展空間。當(dāng) a=1，b=0時(shí)，像素對(duì)是水平的，即0度掃描；當(dāng)a=0，b=1 時(shí)，像素對(duì)是垂直的，即90度掃描；當(dāng) a=1，b=1時(shí)，像素對(duì)是右對(duì)角線的，即45度掃描；當(dāng) a=1，b=1時(shí)，像素對(duì)是左對(duì)角線，即135度掃描。ASM值大表明一種較均一和規(guī)則變化的紋理模式。因此連續(xù)灰度的圖像會(huì)有較大IDM值。如果圖像中有水平方向紋理，則水平方向矩陣的COR大于其余矩陣的COR值。小麥矮腥黑穗病的冬孢子球形至扁球形，淡黃色至淺黃色；成堆時(shí)則成深黃褐色。 LabWindows／CVI紋理特征提取及腥黑穗病紋理特征提取實(shí)驗(yàn)LabWindows／CVI開發(fā)平臺(tái)運(yùn)行速度快，界面功能強(qiáng)大；而MATLAB開發(fā)平臺(tái)內(nèi)部可運(yùn)用資源豐富。對(duì)于本次設(shè)計(jì)中的svm分類，只需要在matlab中調(diào)用svmtrain和svmclassify這兩個(gè)函數(shù)就能將cvi得到的紋理特征數(shù)據(jù)進(jìn)行分類。%樣本訓(xùn)練；svmStruct = svmtrain(data(train,:),groups(train),39。然而，兩種開發(fā)平臺(tái)獨(dú)立分開也帶來了不少麻煩，比如樣本圖片數(shù)量大的時(shí)候，輸入圖片的時(shí)間和精力就會(huì)加大，使我們的研究不太方便，其次就是得到紋理特征后將數(shù)據(jù)輸入MATLAB的時(shí)候會(huì)容易出錯(cuò)。③在彈出的ActiveX Controller WizardAdvanced Options對(duì)話框中單擊“Check All”按鈕，其余按照默認(rèn)方式。在LabWindows／CVI中實(shí)現(xiàn)與MATLAB混合編程的具體方法如下：ActiveX服務(wù)函數(shù)創(chuàng)建完畢后，就可實(shí)現(xiàn)混合編程了。 /* MATLAB窗口最大最小化函數(shù)，其minmaxFlag是最大最小化標(biāo)志。*/int RunMatlabScript(CAObjHandle hMatlab, char *mFilePath)。*/int SendMatrix(CAObjHandle hMatlab, char *matlabName, double *matrixReal, double *matrixImag, unsigned dim1, unsigned dim2)。第一次分類實(shí)驗(yàn)所用到的樣本數(shù)共有44個(gè)，石紋和樹皮各22個(gè)樣本，訓(xùn)練樣本占80%（即35個(gè)樣本），訓(xùn)練樣本是9個(gè)，其中正確區(qū)分開來樣本是9個(gè)，經(jīng)鑒定系統(tǒng)分類準(zhǔn)側(cè)率預(yù)測(cè)，這兩種樣本的召回率達(dá)到95%以上。通過改進(jìn)CVI和MATLAB兩個(gè)開發(fā)平臺(tái)的運(yùn)用方法，方便快捷地實(shí)現(xiàn)了矮腥和 網(wǎng)腥這兩種近親病菌的分類，其分類精確度也能達(dá)到百分之七十多，效果甚好。i++) for(j = 0。j 1。 }/*歸一化*/ SumDist = 0。i++) for(j = 0。j++) { *MeanValue = *MeanValue + i * DistGLCM_one[i][j]。for(i = 0。i++) for(j = 0。j++) { *ASMValue = *ASMValue + DistGLCM_one[i][j]*DistGLCM_one[i][j]。for(i = 0。j++){ GLCM_one_j[j] = 0。}mc = 0。}or = sqrt(or2)。(oc != 0)){for(i = 0。i 8。holdOut39。,true)。 /* 運(yùn)行MATLAB命令函數(shù)，其中變量“mand”為要運(yùn)行的MATLAB函數(shù)名。/*從MATLAB接收字符串函數(shù)。致 謝謝謝爸爸媽媽！我大學(xué)畢業(yè)啦！我可以工作啦！