随着科学技术的进步,现代农业和食品工业也蓬勃发展。作为主粮之一的稻谷在种植、收获、加工过程中会不可避免地出现一些品质问题。为了保障我国的粮食安全,稻谷品质检测不可或缺。大米外观品质是稻谷品质检测的重要内容之一,传统的人工检测方法效率低、误差大且主观性强。目前,图像分析技术已越来越多地应用到大米品质分析中。但在实际检测工作中,采集到的大米图像往往存在粘连现象,如果不能将粘连大米正确分割,则将导致错误的检测结果。本文在分析研究国内外粘连颗粒图像分割算法的基础上,针对大米外观品质检测的特点和实际需要,对粘连大米图像分割进行了研究。本文的工作主要有以下几部分。首先,鉴于实际大米外观品质分析中涉及的图像分割包括采集图像中大米与背景的分割以及粘连大米之间的分割,本文在研究分析脉冲耦合神经网络图像分割算法特性的基础上,采用改进的粒子群算法优化PCNN参数,并用于采集的大米图像的背景分割。其次,由于大米品质检测过程中,平铺、单层大米之间各种复杂的粘连情况,都是在两粒米粘连的基础上组合、演变而来的。因此,两粒粘连大米的分割问题是实际检测中大米图像分割的基本问题。鉴于此,本文基于矢量夹角原理,重点研究两粒粘连大米的分割,建立了基于三点夹角的凹点检测算法和具有自适应特性的凹点匹配方法。算法首先对粘连大米进行边缘检测,计算边缘上点的夹角特征,选取特征最小的几个点作为候选凹点,并自适应地进行凹点匹配,然后连接凹点对,进行粘连大米的最终分割。理论分析和实验结果都表明了本文算法的稳定性和有效性。与同类其他算法相比,本文的算法参数较少,并且比较方便取值,算法运行速度较快,对粘连大米图像的平移、旋转、分辨率不敏感,并且选取的凹点位置比较准确。最后,采用人工摆放采集大米样本图像研究粘连情况,由于受制于大米体积小、外观不规则等因素的影响,采集到的图像无法涵盖所有可能的粘连情况,这意味着对分割算法的测试不够彻底和完备。针对这个问题,本文设计了一种大米粘连仿真图像生成算法,并基于MATLAB环境实现了这一方法。利用这一工具,能够模拟给定两粒米之间几乎所有可能的粘连情况,并生成相应的仿真图像。利用这些仿真图像测试本文算法的性能,不仅工作效率高,同时可以大大提高测试图像集合的完备性,这将有助于深入、全面地分析算法的各项性能。