基于葉部病害圖像的黃瓜病害檢測(cè)方法.pdf

IT 大視野 數(shù)碼世界 P 47 基于葉部病害圖像的黃瓜病害檢測(cè)方法 安琪 西京學(xué)院 信息工程學(xué)院 摘要 在復(fù)雜的背景下有效分割出黃瓜病害是解決黃瓜病害防治的關(guān)鍵問(wèn)題 目前 基于病害葉片圖像的病害檢測(cè)方法很多 但各種 方法各有優(yōu)缺點(diǎn) 針對(duì)黃瓜常見(jiàn)的白粉病 炭疽病 根腐病3種病害葉片 對(duì)現(xiàn)有的分割方法進(jìn)行對(duì)比分析 選擇效果較好的FCM算法 首先利用病害葉片圖像的H和S顏色分量對(duì)圖像進(jìn)行顏色聚類 然后利用FCM算法進(jìn)行病害檢測(cè) 最后以開(kāi)閉交替運(yùn)算去除毛刺達(dá)到平滑 目標(biāo)輪廓的效果 最后試驗(yàn)結(jié)果表明 所提出的病害檢測(cè)方法是有效可行的 關(guān)鍵詞 病葉圖像 病斑分割 病葉圖像分割 1 引言 黃瓜是我國(guó)各地夏季主要栽種的蔬菜之一 黃瓜病害是影響黃 瓜產(chǎn)量的重要因素之一 為了提高黃瓜的品質(zhì) 對(duì)其病害及時(shí)進(jìn)行防治 需要對(duì)其病害類型進(jìn)行快速又準(zhǔn)確的診斷 植物葉片是反應(yīng)其受害的 主要部分 根據(jù)黃瓜葉片的病變情況可以直觀的判斷出病害發(fā)生程 度 便于進(jìn)行防治 隨著近幾年各種算法的完善 以識(shí)別技術(shù) 視覺(jué) 技術(shù)搭配圖像處理方法為核心的病變?nèi)~片提取方法的研究開(kāi)始被不 斷提出 對(duì)于病斑圖像分割的方法有很多 但大多數(shù)僅用于對(duì)某一類或 某幾類圖像進(jìn)行分割 例如聚類算法 K Means 自適應(yīng)算法等 但 并沒(méi)有一個(gè)直觀點(diǎn)的對(duì)比分析 基于這種狀況 本文在傳統(tǒng)期望最大 化的基礎(chǔ)上將這幾種方法用于黃瓜葉部病斑分割上并進(jìn)行了對(duì)比分 析 并在此基礎(chǔ)上提出一種新的分割方法 為黃瓜葉部病害檢測(cè)與識(shí) 別系統(tǒng)提供有力的技術(shù)支持 同時(shí)也對(duì)其他植物的病害圖像分割具有 一定的參考價(jià)值 2 病斑圖像的特征選擇 在圖像分割中常用的顏色空間模型主要有RGB HSV和HSI 由于H和S分量跟人體感受顏色的方法密切相關(guān) 所以研究選擇與 人眼視覺(jué)更相符合的HSI顏色空間模型 RGB顏色模型轉(zhuǎn)換到HSI顏色模型的公式如下 1 2 3 式中 代表R G B三個(gè)顏色分量在HSI顏色空間模型中與I 軸所成夾角的角度 在HSI顏色空間模型中 病斑區(qū)域所包含的顏色信息都存在于 H S分量中 從病斑的H和S兩個(gè)顏色分量中可以看出病斑區(qū)域與 正常區(qū)域有著明顯差異 表明在HSI顏色模型中進(jìn)行病斑區(qū)域分割 可以取得較好的效果 設(shè)紋理特征的某個(gè)像素點(diǎn)是 以該像素點(diǎn) 為中心 構(gòu) 成大小為m n的像素區(qū)域 設(shè) 為像素點(diǎn)的局部信息 即 4 5 6 式中 表示像素的局部紋理張量 表示像素的紋理特征 是調(diào)整 的一個(gè)換算因子參數(shù) 3 實(shí)驗(yàn)與分析 在MATLAB2017b平臺(tái)上 選取黃瓜常見(jiàn)的3種病害 白粉病 炭疽病 根腐病 圖像 圖1 a 作為試驗(yàn)對(duì)象 通過(guò)FCM模糊聚類 算法 圖 1 b Otsu 方法 圖 1 c K 均值聚類算法 圖 1 d 以 及閾值分割法 圖1 e 來(lái)分割 并觀察分割結(jié)果 a原始圖像 b FCM聚類分割 c Otsu分割 d K均值聚類 e閾值分割 圖1不同分割方法效果對(duì)比 然后另選一組圖片先將原始圖像轉(zhuǎn)換成HSI模型 通過(guò)H 圖 2 b 和S 圖2 c 分量對(duì)圖像來(lái)進(jìn)行聚類 然后用FCM 圖2 d 進(jìn)行分割 最后采用開(kāi)閉交替運(yùn)算 圖2 e 對(duì)毛刺以及孤立的點(diǎn)進(jìn) 行去除以達(dá)到平滑目標(biāo)輪廓的效果 a原始圖像 b H分量 c S分量 d FCM分割后 e 開(kāi)閉運(yùn)算后 圖2 本實(shí)驗(yàn)分割效果 利用公式7計(jì)算病害葉片圖像分割的分割精度 即分割圖像占 圖像真實(shí)面積的百分比 7 式中 表示待分割圖像的可觀察面積 表示已分割圖像的 真實(shí)面積 表示由于誤差分割而產(chǎn)生的像素點(diǎn)數(shù) 由表1可知 FCM算法分割精度高 經(jīng)過(guò)本文算法處理后的精 度更高一點(diǎn) 表明本文算法對(duì)黃瓜病害葉片圖像的分割效果較好 表1 5種不同方法對(duì)黃瓜葉片的病害葉片圖像分割準(zhǔn)確率 分割方法 分割準(zhǔn)確率 K均值算法分割 91 8 FCM算法分割 93 2 Otsu算法分割 89 1 閾值分割 89 9 本文算法分割 93 8 4 結(jié)論與討論 本文基于傳統(tǒng)期望最大化對(duì)幾種分割方法進(jìn)行過(guò)對(duì)比分析 試 驗(yàn)結(jié)果表明 K均值聚類算法由于選取的初始聚類中心是隨機(jī)的 可 能導(dǎo)致分割過(guò)程占用過(guò)程時(shí)間 Otsu分割僅針對(duì)單個(gè)目標(biāo)或者感興 趣的目標(biāo)進(jìn)行分割 當(dāng)待分割圖像的灰度范圍偏大時(shí) 會(huì)有一部分目 標(biāo)探測(cè)損失 相比較而言 使用FCM算法進(jìn)行分割 再通過(guò)開(kāi)閉交 替運(yùn)算減少噪聲對(duì)聚類結(jié)果的影響的方法 在黃瓜病害葉片圖像分 割中具有較高的準(zhǔn)確性和穩(wěn)定性 參考文獻(xiàn) 1 蘇一峰 杜克明 李穎 孫忠富 鄭飛翔 基于物聯(lián)網(wǎng)平臺(tái)的小麥病害 診斷系統(tǒng)設(shè)計(jì)初探 J 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào) 2016 18 02 86 94 2 施文 鄒銳標(biāo) 王訪 蘇樂(lè) 基于多重分形的油菜病害葉片圖像分割 J 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào) 自然科學(xué)版 2014 40 05 556 560