1．目的及意义

叶片是植物进行光合作用的主要器官，是植物最基本、最重要的生命活动场所，直接反应植物的生长状态，而且其特征与环境和遗传因素密切相关。并且随着计算机图像处理技术的发展，基于计算机图像处理技术的识别与特征提取成为研究植物种类和特点的主要手段。而叶片作为植物的代表，易于进行二维图像处理，并且易于采集，所以现阶段选择提取叶片的特征来研究植物的性状。

我国现在已经步入总体小康社会，食物问题早已得到解决，但是培育出高产量、高质量的经济作物还是很有必要的，既可以出口提高国民生产总值，又可以减少成本，提高人民生活质量。大豆是一种常见的经济作物，是我国人民的重要食物来源，其叶形变化多端。不同株大豆的叶片在形状、叶脉分布等外部特征上都不尽相同，可以利用大豆叶片的特征来对大豆的性状进行分析。为了识别和分析植物叶片图像中的叶片目标，需要将叶片图像从整幅图像中分离提取出来，此过程就涉及到植物叶片的图像分割。图像分割就是根据颜色、形状、纹理等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。

本课题旨在使用计算机图像处理技术对大豆叶片的特征进行提取，例如长轴长、短轴长、面积、周长、偏心率等。并根据其形状的不同对大豆的数量性状进行关联分析，以确定如何培育出优质大豆。

现如今对植物叶片的图像识别和特征提取技术在国内外已经相对趋于成熟，2010年Andreas Backhaus等人开发了LEAFPROCESSOR软件包，主要使用弯曲能等来对植物叶片进行识别。2004年Randall L. Nelson 等人对野生大豆叶片形状和大小进行了评价与分类。2016年Jana W#228;ldchen等人对植物叶片的各种特征做出了详细的说明，更加便于使用数学知识来进行特征的分析。在国内，王晓峰等人进行的叶片图像特征提取与识别技术的研究，使得对植物叶片的平均识别率达到了92%，Xuefei Yan等人对野生大豆不同叶型的表型性状和多样性进行了研究。{title}

2. 研究的基本内容与方案

{title}

本课题研究的重点是叶片形状特征因子的提取以及聚类分析和大豆数量性状与叶形关联统计分析。为实现目标，需要完成的主要工作包括（1）对图像大数据作数据的预处理，主要为二值化处理、采用简单边缘检测算子进行边缘检测等；（2）结合现有的图像识别技术设计叶片表型特征提取方案，并加以实践；（3）选择合适的聚类算法，对多品种大豆进行合理聚类分析，主要采用的是K-means算法；（4）结合数理统计知识，进行关联统计分析，并针对分析结果给出严格的统计学解释。

实验数据于2017年七八月份在牡丹江集体采集，包括2000个大豆品种的若干叶片，扫描成数字图像，以此作为实验材料，拟采用图像处理的方法达到精确提取各种图像特征的目的。同时，实验组收集了这2000个品种的大豆数量性状信息，包括百粒重、有效分枝以及生物产量等，以期与聚类分析后的大豆品种作关联分析，进而达到研究探索效果。

需要掌握的技术主要有（1）MATLAB以及OpenCV技术，用于图像处理及特征提取；（2）Linux 操作基本命令以及shell编程；（3）Python或R语言，用于数据可视化以及数据分析；（4）基本的数理统计理论知识；（5）各种机器学习算法，如k-means聚类、PCA等。

3. 参考文献

[1] 王晓峰，黄德双，杜吉祥，张国军 叶片图像特征提取与识别技术的研究 2006.03 计算机工程与应用。

[2] Xuefei Yan, Hongkun Zhao, Xiaodong Liu,Qiyun Li, Yumin Wang, Cuiping Yuan, and Yingshan Dong Phenotypic traits anddiversity of different leaf shape accessions of the wild soybean in China.2012.07

[3] Andras Backhaus, Asuka Kuwabara, MarionBauch, Nick Monk, Guido Sanguinertti, Andrew Fleming. LEAFPROCESSOR: a new leafphenotyping tool using contour bending energy and shape cluster analysis. 2010

[4] Yiwu Chen and Randall L. NelsonEvaluation and Classification of Leaflet Shape and Size in Wild Soybean. 2004