（鲍文霞，张 鑫，胡根生，黄林生※，梁 栋，林 泽）

一、基本思路

1. 对采集的田间小麦图像进行直方图均衡化及阈值分割预处理，以减少图像中光照及一些复杂背景对计数的影响；
2. 根据灌浆期田间小麦图像麦穗密集的特点，引入拥挤场景识别网络（Congested Scene Recognition Network，CSRNet）构建麦穗密度图估计模型；
3. 采用迁移学习方法，利用小麦图像公开数据集对模型进行预训练，再用所采集的小麦图像数据集进行模型参数调整和优化；
4. 利用得到的模型生成单幅小麦图像的麦穗密度图，根据密度图中所有密度值的总和对图像进行麦穗计数；
5. 根据对单幅麦穗图像的试验数据，构建田间麦穗计数函数模型，实现田间小麦麦穗数估计。

二、图像预处理

流程图：

详细步骤：

• 直方图均匀化：利用MATLAB中histeq函数分别对图像 R、G、B 3个通道的图像进行直方图均衡化 ，再利用 cat 函数将3个通道直方图均衡化后的图像合成最终的图像
• 阈值分割二值化：利用 MATLAB 中 graythresh 函数和 im2bw 函数实现对图像的阈值分割二值化
• 形态学处理：最后利用 MATLAB 中 imerode、imdilate 函数实现形态学处理过程