1.一種Adaboost與NCC相結(jié)合的完整麥穗識別方法，其特征在于，包括以下步驟：

S1、設(shè)置完整麥穗模版，并設(shè)置相似閾值；

S2、獲取麥穗樣本，并通過rotation&uniform invariant LBP提取麥穗樣本紋理特征；

S3、對麥穗樣本紋理特征使用Adaboost訓練分類器；

S4、通過分類器對獲取的小麥圖像進行麥穗識別，提取完整麥穗的候選目標；

S5、將候選目標逐一與完整麥穗模版進行NCC相似性分析，根據(jù)相似度與相似閾值的比較結(jié)果從候選目標中提取完整麥穗目標并輸出。

2.如權(quán)利要求1所述的Adaboost與NCC相結(jié)合的完整麥穗識別方法，其特征在于，步驟S2中：從獲取的小麥圖像中通過LBP提取麥穗圖像，并從麥穗圖像中抽取麥穗樣本。

3.如權(quán)利要求2所述的Adaboost與NCC相結(jié)合的完整麥穗識別方法，其特征在于，步驟S4具體為：通過分類器對步驟S2中提取的麥穗圖像進行識別，提取完整麥穗的候選目標。

4.一種Adaboost與NCC相結(jié)合的完整麥穗識別系統(tǒng)，其特征在于，包括：

圖像輸入模塊，用于獲取待識別的小麥圖像；

候選目標識別模塊，其連接圖像輸入模塊；候選目標識別模塊用于對獲取的小麥圖像進行LBP特征訓練獲得分類器，并用于通過分類器從小麥圖像中提取完整麥穗的候選目標；

完整性判斷模塊，其連接候選目標識別模塊；完整性判斷模塊中預(yù)設(shè)有完整麥穗模版和相似閾值，完整性判斷模塊用于分析候選目標與完整麥穗模版的相似度，并提取相似度大于相似閾值的候選目標作為完整麥穗目標；

完整麥穗輸出模塊，其連接完整性判斷模塊，用于獲取完整麥穗目標并輸出。

5.如權(quán)利要求4所述的Adaboost與NCC相結(jié)合的完整麥穗識別系統(tǒng)，其特征在于，候選目標識別模塊包括LBP特征提取單元、分類器訓練單元和麥穗檢測單元；LBP特征提取單元用于對小麥圖像進行紋理特征識別，提取麥穗圖像，并用于從麥穗圖像中抽取樣本并提取麥穗樣本紋理特征；分類器訓練單元連接LBP特征提取單元，用于根據(jù)麥穗樣本紋理特征使用Adaboost訓練分類器；麥穗檢測單元分別連接LBP特征提取單元和分類器訓練單元，麥穗檢測單元用于根據(jù)分類器對LBP特征提取單元提取的麥穗圖像進行分類獲得完整麥穗的候選目標。

6.如權(quán)利要求4所述的Adaboost與NCC相結(jié)合的完整麥穗識別系統(tǒng)，其特征在于，圖像輸入模塊包括圖像采集單元和圖像預(yù)處理單元，圖像采集單元用于加載待處理的小麥圖像，圖像預(yù)處理單元用于對加載的小麥圖像進行預(yù)處理；LBP特征提取單元連接圖像預(yù)處理單元用于獲取預(yù)處理后的小麥圖像作為特征提取對象。