為實(shí)現(xiàn)自然條件下棉花葉片的精準(zhǔn)分割，提出一種粒子群（Ｐａｒｔｉｃｌｅ　ｓｗａｒｍ　ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）優(yōu)化算法和Ｋ－ｍｅａｎｓ聚類算法混合的棉花葉片圖像分割方法。本算法將棉花葉片圖像在ＲＧＢ顏色空間模式下采用二維卷積 濾波進(jìn)行去噪預(yù)處理，并將預(yù)處理后的彩色圖像從ＲＧＢ轉(zhuǎn)換到目標(biāo)與背景差異性最大的Ｑ 分量、超Ｇ 分量、ａ＊分量；隨后在Ｋ均值聚類的一維數(shù)據(jù)空間中，利用ＰＳＯ算法向全局像素解的子空間搜尋，通過迭代搜尋得到全局最優(yōu)解，確定最佳聚類中心點(diǎn)，改善Ｋ均值聚類的收斂效果；最后，對像素進(jìn)行聚類劃分，從而得到棉花葉片分割結(jié) 果。按照不同天氣條件和不同背景采集了１　２００幅棉花葉片樣本圖像，對本研究算法進(jìn)行測試。試驗(yàn)結(jié)果表明：該算法對于晴天、陰天和雨天圖像中目標(biāo)（棉花葉片）分割準(zhǔn)確率分別達(dá)到９２．３９％、９３．５５％、８８．０９％，總體平均分割精度為９１．３４％，并與傳統(tǒng)Ｋ均值算法比較，總體平均分割精度提高了５．４１％。分割結(jié)果表明，本研究算法能夠?qū)?３種天氣條件（晴天、陰天、雨天）與４種復(fù)雜背景（白地膜、黑地膜、秸稈、土壤）特征混合的棉花葉片圖像實(shí)現(xiàn)準(zhǔn)確分割，為棉花葉片的特征提取與病蟲害識別等后續(xù)處理提供支持。