镰刀菌为真菌中较大的一个菌属,它种类多、分类广,其中有不少是导致多种农林植物病害的病原,它可以引起作物的萎蔫、穗腐、腐烂等病害。许多种镰刀菌危害农作物的种子,在菌体生长发育代谢过程中产生毒素危害作物,造成作物萎蔫死亡,影响农产品产量和品质,严重时可导致产量显著下降。此外,有些种类的镰刀菌能在各种粮食中生长并能产生有毒的代谢产物,猪、马、驴等牲畜食用后会发生急性中毒症状。人食用霉变的粮食后半小时至一小时后可出现中毒症状,轻者可出现呕吐、腹泻和拒食,重者可导致死亡。因此,研究镰刀菌的特征提取与识别方法对我们的生活具有重要的科学与现实意义。运用模式识别技术对镰刀菌显微图像进行分类识别是微生物学图像领域的一个重要研究课题。本文利用图像预处理、特征抽取、神经网络等技术对镰刀菌识别系统进行了相关研究,特别是对镰刀菌的特征提取和分类方面进行了较为深入的探索。主要工作和成果如下:1.镰刀菌显微图像的增强与分割首先,将镰刀菌显微图像从RGB模式转换到灰度模式,并采用直方图均衡化与中值滤波相结合的方法对灰度图像进行图像增强与去噪声处理;其次,将上述步骤得到的图像使用基于模板向量的形态学边缘检测方法进行镰刀菌图像进行分割,本文在模板向量分割方法的基础上,引入了形态学处理方法,通过实验得到了较为完整、清晰的边缘。2.镰刀菌显微图像的特征提取本文对图像特征提取技术做了广泛的调查,并深入研究了传统特征描述方法。根据镰刀菌图像形似镰刀的特点,提取出了镰刀菌二值图像的特征(包括几何特征、形态特征共15个特征),并对所有特征进行归一化处理。优化特征选择,选定面积、周长、长轴、短轴、欧拉数、几何矩等共12个特征参数作为神经网络输入向量进行分类试验。试验证明,所提取的镰刀菌的特征能够通过BP神经网络进行有效的特征分类。3.镰刀菌显微图像的特征分类首先,本文分析了在何种情况下使用神经网络来进行模式识别,并讨论了神经网络的选择,最终确定使用基于BP算法的神经网络来实现对镰刀菌图像的分类;其次,分析了BP人工神经网络的结构特点和网络参数设计要求,并在MATLAB平台下设计了基于BP神经网络的分类器;最后,对BP神经网络的训练目标、网络结构和传递函数等参数进行了优化,初步实现对镰刀菌的分类。