稻叶瘟病斑分割的新型图像处理方法.docVIP

稻叶瘟病斑分割的新型图像处理方法 　　0 引言 　　农作物叶片病斑能够直接反映病害种类及危害程度。研究农作物叶片病斑的图像识别,及时发现病情,并对其进行动态、实时地监控,对农作物病害的有效防控具有重要意义。随着计算机视觉技术的不断发展和在各领域的应用,对作物病害信息进行实时监控和诊断已逐渐成为可能。作为计算机视觉病害检测的重要组成部分,病斑的分割结果将影响对病害的判断。由于叶片病斑图像呈现出特征多样性、复杂性和模糊性等特点,采用传统的病斑图像检测方法,很难将病斑准确分割。病斑有自身的发生与表现规律,可综合利用病斑形状、颜色等特征进行检测。 　　本研究以感染稻瘟病的水稻叶片为研究对象,结合色度学模型、边缘检测、形态学运算和 DNGBI 等方法对稻叶瘟病斑进行分割,为稻瘟病的检测和诊断奠定基础。 　　1、 材料与方法 　　1. 1 田间图像采集与预处理 　　试验田位于广东省从化市吕田镇,水稻品种为CO39,田间稻叶瘟包含不同病害等级。在自然光照且无风条件下,用 Canon A490 数码照相机采集田间水稻稻瘟病叶片图像。试验共采集了 30 幅田间采集的水稻叶瘟图像,所采集的图像包含不同等级叶瘟病斑信息,成像清晰,图像大小为 2 594 ×1 994 像素。将图像处理成为 500 × 500 像素左右,程序设计语言为MatLab。 　　1. 2 基于色度学模型的特征提取 　　特征的提取是为快速获取图像中图斑(包含病斑和一些封闭的非病斑区域) 的信息,在病斑的识别中起到初提取的作用,其处理的目的在于获取突出病斑特征的灰度图像以进行图像分割。图像处理成为单一图层,可减少数据运算量,实现快速识别。颜色识别是病斑识别的主要途径之一,本研究将采用色度学模型进行病斑识别过程中的特征要素提取,利用 RGB颜色模型实现病斑的提取,利用 HIS 颜色模型实现叶片的提取。 　　1. 2. 1 基于 RGB 颜色模型的图斑提取针对可见光图像,病斑提取的方法较多,常见的有采用绿色波段或者红绿蓝取均值波段及制定特定病斑指数,如归一化绿蓝差值指数(Normalized Differ-ence Green and Blue Index,DNGBI)。通过对稻瘟病病斑的颜色分析可知,叶片被病菌侵染后,侵染中心会呈现褐色或灰白色,病斑附近的叶片部分可能呈现枯黄状。通过多次对比试验发现,采用 2R - G 色差分量实现图斑的提取,水稻叶瘟病斑的边缘能在 2R - G 色差分量上较好地表现出来,利于边缘提取结果。 　　1. 2. 2 基于 HIS 颜色模型的叶片提取植物与背景分离的最大根据为植物叶片与背景的彩色分量的差异,利用此特性可以进行分类识别。色彩对光照很敏感,不同光照下色彩的变化差异很大。 　　采集图像所用的彩色空间为 RGB,而红(R) 、绿(G) 与蓝(B) 这 3 个分量随光照的变化是不一致的,在实际使用过程中,很难要求系统每次的光照完全一致,因此很难找到一个理想的彩色距离中心。HIS 模型是从人的视觉系统出发,用色调(H) 、饱和度(S) 和亮度(I) 来描述色彩。通过颜色模型转换公式即可实现两种模型的转换。为更好地识别目标物,希望利用颜色模型中某一分量或类似植被指数等模型,使得叶片病斑与背景之间的差异显著。从 RGB 模型到 HIS模型的转换关系,如式(1) 、式(2) 和式(3) ,仅取 H 分量进行分析。利用 H 色彩分量可以识别绿色区域,并利用形态学运算进行封闭区域填充,形成一个连片的完整区域,便于后期进行掩膜过滤,图 2 为叶片掩膜区域提取。有 　　1. 3 封闭边缘提取与修复 　　利用边缘提取算子对 2R - G 色差分量图进行边缘提取,对提取的边缘进行封闭修复并过滤,可获得病斑的封闭边缘。 　　1. 3. 1 边缘提取 　　Canny 算子采用二维高斯函数的任意方向上的一阶方向导数为噪声滤波器,通过与图像卷积进行滤波; 然后寻找滤波后图像梯度的局部最大值,以此来确定目标边缘。根据对信噪比与定位乘积进行测度,得到最优化逼近算子。Canny 算子具有滤去噪声和保持边缘的特性。对 2R - G 色差分量图利用 Canny进行边缘检测。在Canny 边缘提取后的图像中,病斑边缘和一些封闭的非病斑边缘(用圆圈标示区域) 都被识别出来,影响稻叶瘟病斑的检测精度。 　　1. 3. 2 封闭边缘修复 　　由于对比度、叶脉等因素的影响,多数提取的边缘未能闭合,因此设计边缘修复模板对病斑边缘轮廓进行提取。按照由上至下、由左至右的处理顺序,依次对图像中的每一个像素点进行运算。算法步骤如下: 首先抽取一个 3 ×3 的图像处理窗口,其中心点 p5是待处理像素点(见图 4) ; 然后取窗口四周共 9 点(p1,p2,p3,p4,p5,p6,p7,p8,p9) 分别与