论文部分内容阅读
摘要:识别苹果病害是一个重要的研究课题,该研究成果对大面积苹果病害监测具有重要意义。针对苹果常见的3种叶部病害,提出一种基于颜色特征和差直方图的苹果叶部病害识别方法。首先采用改进的mean-shift图像分割算法分割病害叶片图像的病斑,然后计算病斑的颜色特征和差直方图作为病害的分类特征。该特征不仅反映病斑图像的灰度统计信息,还反映病斑图像的空间特征和灰度的渐变度,而且对病斑图像的光照、平移、旋转具有不变性。最后利用支持向量机识别病害类型。在3种常见苹果叶部病害叶片图像数据库上的试验结果表明,该方法能够有效识别苹果常见的叶部病害,平均识别率高达96%以上。该方法为苹果病害的智能诊断系统提供了技术支撑。
关键词:苹果;病害识别;病害叶片;特征提取;颜色特征和差直方图
中图分类号: TP391.41文献标志码: A
文章编号:1002-1302(2017)14-0171-04
苹果种植和生产是我国陕西省农村经济发展的六大支柱性产业之一。然而病害却严重影响苹果产量和质量,制约其发展,目前已知的苹果病害有100多种[1-4]。其中,叶部病害中较为严重的有褐斑病、黑星病和锈病等。特别是黑星病,是世界各苹果产区的重要病害之一,造成落叶、落果、果实开裂畸形等危害[1]。该病曾经于1997年在陕西省兴平市、礼泉县、杨陵、旬邑县等地发生过。近年来,陕西省红富士苹果早期落叶病也曾大面积发生,而且相当严重,秋季(9月份)落叶发生80%以上,重者高达95%以上,该病害对苹果产量、品质影响很大。因此,苹果病害的密切监测、控制与管理,对苹果种植至关重要。防治苹果病害,首先必须知道病害的类型。大量调查表明[5-7],大部分植物病害首先表现在叶部出现症状,而且不同病害引起的叶部症状不同,所以利用苹果病害叶片可以判断苹果病害的类型[1]。利用现代图像采集技术、处理方法对植物叶部病害进行诊断和识别是目前的一个研究方向[8-10]。谭峰等综合运用计算机数字图像处理技术与人工神经网络技术,计算叶片色度值,建立一个多层BP(back propagation)神经网络,实现了对大豆叶片中病斑的自动识别[11]。基于颜色直方图的方法计算简单,该方法对图像的平移和旋转具有不变性,但颜色直方图是颜色的全局统计信息,没有反映颜色的空间分布信息。为了较全面地描述图像的颜色、空间和纹理等方面的性质,人们提出了很多改进方法[12-13],如在颜色直方图中增加空间信息[13-15]。颜色相关是将像素分类成相关或不相关,以相关和不相关的像素颜色直方图作为分类特征[12];颜色相关图法是以同一颜色或不同颜色间按照不同距离在图像中的分布作为分类特征[13];环形直方图法是对每一个颜色值,计算其质心,再以质心为圆心,按不同的半径作圆,将圆分成圆环,以各个圆环内的像素的颜色直方图作为分类特征[14]。Rocha等从特征融合的角度进行果蔬识别研究,比较了和差直方图、颜色聚合向量、外点/内点颜色直方图等纹理、颜色特征在不同分类器下的识别效果,结果表明利用这3类特征进行融合取得了最好的识别结果[15-17]。但所采用的纹理特征不能较好地表述果蔬纹理的差异性,而且对光照较为敏感。Shebiah等利用HSV(hue,saturation,value)颜色空间中的H(色调)和S(饱和度)统计直方图作为颜色特征,将小波域中的自相关矩阵作为纹理特征进行果蔬识别,同时利用植物病害叶片的纹理特征进行病害识别[18-19]。Zhang等采用RGB(red,gree,blue)颜色直方图、形状特征作为识别特征,采用多核支持向量机识别果蔬产品[20],该方法虽然取得了较好的识别效果,但多核学习训练时间较长。Wang等根据玉米病害叶片图像的特点,利用K-均值聚类方法进行叶片病斑分割,然后提取病斑图像的纹理特征与颜色特征进行病害识别,识别精度为82.5%[21]。Prasad等提出了一种基于Gabor小波变换的作物病害识别方法[22]。叶片病斑图像的纹理特征主要包括局部纹理和全局纹理信息。局部纹理信息可以通过图像像素灰度及其周围像素灰度分布表示,而全局纹理信息则是局部纹理信息的不同程度的重复。由图像的直方图提取图像的纹理特征具有较强的鲁棒性和适应性,该方法简单、易于实现。和差直方图继承了直方图的优点,利用和差直方图可以提取病害叶片图像的一系列特征[23-25]。本研究基于病害叶片图像的颜色和差直方图特征,提出一种苹果叶部病害识别方法,并在3种苹果病害叶片数据库上进行了试验验证。
1病害叶片图像特征提取
1.1病斑颜色特征提取
RGB和HSI(hue,saturation,intensity)是常用的颜色模型。其中,HSI模型可由RGB色彩空间转换得到。该模型依据人类视觉的特点,把图像以色度、色饱和度、亮度3个分量分别表示,可以从最接近人类视觉的角度来描述图像。岑喆鑫等提取黄瓜病害叶片图像的颜色R、G成分和色调H的均值以及B成分的能量4个特征MR、MG、MH、EB进行病害识别,取得了较高的识别率[26],本研究将这4个特征作为苹果病害识别的颜色特征。
1.2和差直方图特征提取
由于苹果病害叶片及其病斑的颜色、纹理、形状的复杂多样性,导致不能直接利用叶片或病斑图像进行病害识别,须要提取病害的很多分类特征,利用不同的特征进行病害识别,由此得到了很多病害识别方法[8,11,18-19]。各种方法各有利弊,笔者目前还没有归纳出最优的病害识别特征集。
和差直方图描述一幅葉片图像中一定方向、一定距离上相邻灰度之间和与差的概率分布信息[13,23-25],具有鲁棒性和适应性强的优点。下面介绍从和差直方图中提取一系列分类特征的步骤。
2苹果叶部病害识别
苹果叶部病害的识别步骤可归纳为:叶片图像采集与数据库建设、图像预处理(包括图像增强和病斑区域分割等)、特征提取、分类与识别。
关键词:苹果;病害识别;病害叶片;特征提取;颜色特征和差直方图
中图分类号: TP391.41文献标志码: A
文章编号:1002-1302(2017)14-0171-04
苹果种植和生产是我国陕西省农村经济发展的六大支柱性产业之一。然而病害却严重影响苹果产量和质量,制约其发展,目前已知的苹果病害有100多种[1-4]。其中,叶部病害中较为严重的有褐斑病、黑星病和锈病等。特别是黑星病,是世界各苹果产区的重要病害之一,造成落叶、落果、果实开裂畸形等危害[1]。该病曾经于1997年在陕西省兴平市、礼泉县、杨陵、旬邑县等地发生过。近年来,陕西省红富士苹果早期落叶病也曾大面积发生,而且相当严重,秋季(9月份)落叶发生80%以上,重者高达95%以上,该病害对苹果产量、品质影响很大。因此,苹果病害的密切监测、控制与管理,对苹果种植至关重要。防治苹果病害,首先必须知道病害的类型。大量调查表明[5-7],大部分植物病害首先表现在叶部出现症状,而且不同病害引起的叶部症状不同,所以利用苹果病害叶片可以判断苹果病害的类型[1]。利用现代图像采集技术、处理方法对植物叶部病害进行诊断和识别是目前的一个研究方向[8-10]。谭峰等综合运用计算机数字图像处理技术与人工神经网络技术,计算叶片色度值,建立一个多层BP(back propagation)神经网络,实现了对大豆叶片中病斑的自动识别[11]。基于颜色直方图的方法计算简单,该方法对图像的平移和旋转具有不变性,但颜色直方图是颜色的全局统计信息,没有反映颜色的空间分布信息。为了较全面地描述图像的颜色、空间和纹理等方面的性质,人们提出了很多改进方法[12-13],如在颜色直方图中增加空间信息[13-15]。颜色相关是将像素分类成相关或不相关,以相关和不相关的像素颜色直方图作为分类特征[12];颜色相关图法是以同一颜色或不同颜色间按照不同距离在图像中的分布作为分类特征[13];环形直方图法是对每一个颜色值,计算其质心,再以质心为圆心,按不同的半径作圆,将圆分成圆环,以各个圆环内的像素的颜色直方图作为分类特征[14]。Rocha等从特征融合的角度进行果蔬识别研究,比较了和差直方图、颜色聚合向量、外点/内点颜色直方图等纹理、颜色特征在不同分类器下的识别效果,结果表明利用这3类特征进行融合取得了最好的识别结果[15-17]。但所采用的纹理特征不能较好地表述果蔬纹理的差异性,而且对光照较为敏感。Shebiah等利用HSV(hue,saturation,value)颜色空间中的H(色调)和S(饱和度)统计直方图作为颜色特征,将小波域中的自相关矩阵作为纹理特征进行果蔬识别,同时利用植物病害叶片的纹理特征进行病害识别[18-19]。Zhang等采用RGB(red,gree,blue)颜色直方图、形状特征作为识别特征,采用多核支持向量机识别果蔬产品[20],该方法虽然取得了较好的识别效果,但多核学习训练时间较长。Wang等根据玉米病害叶片图像的特点,利用K-均值聚类方法进行叶片病斑分割,然后提取病斑图像的纹理特征与颜色特征进行病害识别,识别精度为82.5%[21]。Prasad等提出了一种基于Gabor小波变换的作物病害识别方法[22]。叶片病斑图像的纹理特征主要包括局部纹理和全局纹理信息。局部纹理信息可以通过图像像素灰度及其周围像素灰度分布表示,而全局纹理信息则是局部纹理信息的不同程度的重复。由图像的直方图提取图像的纹理特征具有较强的鲁棒性和适应性,该方法简单、易于实现。和差直方图继承了直方图的优点,利用和差直方图可以提取病害叶片图像的一系列特征[23-25]。本研究基于病害叶片图像的颜色和差直方图特征,提出一种苹果叶部病害识别方法,并在3种苹果病害叶片数据库上进行了试验验证。
1病害叶片图像特征提取
1.1病斑颜色特征提取
RGB和HSI(hue,saturation,intensity)是常用的颜色模型。其中,HSI模型可由RGB色彩空间转换得到。该模型依据人类视觉的特点,把图像以色度、色饱和度、亮度3个分量分别表示,可以从最接近人类视觉的角度来描述图像。岑喆鑫等提取黄瓜病害叶片图像的颜色R、G成分和色调H的均值以及B成分的能量4个特征MR、MG、MH、EB进行病害识别,取得了较高的识别率[26],本研究将这4个特征作为苹果病害识别的颜色特征。
1.2和差直方图特征提取
由于苹果病害叶片及其病斑的颜色、纹理、形状的复杂多样性,导致不能直接利用叶片或病斑图像进行病害识别,须要提取病害的很多分类特征,利用不同的特征进行病害识别,由此得到了很多病害识别方法[8,11,18-19]。各种方法各有利弊,笔者目前还没有归纳出最优的病害识别特征集。
和差直方图描述一幅葉片图像中一定方向、一定距离上相邻灰度之间和与差的概率分布信息[13,23-25],具有鲁棒性和适应性强的优点。下面介绍从和差直方图中提取一系列分类特征的步骤。
2苹果叶部病害识别
苹果叶部病害的识别步骤可归纳为:叶片图像采集与数据库建设、图像预处理(包括图像增强和病斑区域分割等)、特征提取、分类与识别。