摘要：【目的】图像分割是作物病害自动识别系统实现的难点之一，前人研究大多采用基于阈值或聚类的分割算法，方法简单、易于实现，但分割精度较低。本文引入高斯模型的Markov随机场分割模型（G-MRF），对玉米叶部病斑图像进行分割试验，以期提高分割精度。【方法】在VC6．0下实现了G-MRF分割模型，G-MRF既利用了图像像素的灰度信息，又通过像素类别标记的Gibbs光滑先验概率引入了图像的空间信息，是能较好地分割含有噪声图像的算法。采用该算法对大斑病、小斑病、灰斑病和弯孢菌叶斑病等4种主要玉米叶部病害的图像进行了分割测试，并与基于阈值和基于Gauss模型的分割算法进行比较。【结果】基于G-MRF分割模型的分割，目标区域的一致性和边缘的清晰方面明显好于基于阈值和GausS模型的分割算法，其平均正确分类率达96．35％，分别较基于阈值和基于GausS模型的分割算法高出3．75％和4．03％，差异达到显著水平。【结论】基于G-MRF模型的分割算法鲁棒性高，能够有效地将病斑区域从叶片部分离，分割正确分类率达96．35％，可用于玉米叶斑类病害图像的分割。

关键词：gauss markov 玉米叶部病斑 图像分割 

单位：石河子大学 新疆石河子832000 中国农业科学院作物科学研究所/国家农作物基因资源与基因改良重大科学工程 北京100081 北京邮电大学 北京100876