51杂草种子视觉不变特征提取及其种类识别研究.doc

杂草种子视觉不变特征提取及其种类识别研究 赵文仓 王军欣 曹海青 （青岛科技大学自动化与电子工程学院 青岛 266042） 摘 要 本文在杂草种子生物稳定遗传特征的基础上针对杂草种子进行了视觉不变特征提取的研究，首先分析了杂草种子和种脐的形状特征，提取了具有视觉不变性的16个特征值；然后利用BP神经网络实现了杂草种子的识别；最后分析了其特征维数的变化与识别率、识别时间的关系。实验结果显示,提出的特征具有较好的视觉不变性，基于该方法能够快速地对杂草种子进行检测，并且具有较高的识别率。 关键字：杂草种子、视觉不变性、特征提取、生物稳定遗传特征  引言 杂草对农业生产的危害触目惊心。全世界每年都会因草害致使农作物减产，造成巨大损失。我国在农业生产水平上的损失也相当严重。加强和提高对杂草种子检疫鉴定手段和方法，以符合和适应检疫鉴定准确、快速之要求，至关重要[1]。目前，国内外对种子形态特征的研究已经达到了较好的识别效果，Zayas等在对样本中小麦和非小麦的图像识别中，采用了两种模式识别方法:用多元判别分析识别小麦、非小麦及杂草种子，但由于选用的参数不全是旋转不变的，所以需要手工按一定方向摆好颗粒，增加了工作的负担；龙满生等人以玉米苗期杂草为研究对象，用形状因子：长宽比、圆度、第一不变矩识别玉米和杂草，采用BP神经网络识别杂草种子幼苗和杂草,但实验结果显示对杂草种子幼苗与杂草的识别率仅为87.5%和93.0%[2]。杂草种子的分布极为广泛，可以生长在各种不同的环境中，但研究限于开花物候、繁殖系统、花期以及交配方式等方面。 近年来对杂草种子视觉不变性的研究比较少，还没有系统的讨论杂草种子的特征维数对识别有效性的研究。并且每种杂草种子都具有自身的生殖生态学特点来适应不同的生境。杂草种子的形状特征是进行分类识别的重要依据，本文提取了杂草种子的9个形 状特征和HU不变矩的7个特征，这16个特征不仅具有可区别性、可靠性、独立性、数目小等特点，同时具有平移、尺度和旋转不变性。不同特征组合的识别率不同，选取其中部分分量和全部分量，组合成新的4组特征向量[3]，利用BP神经网络来对其进行自动、快速识别，这样既减轻技术人员的劳动强度，又防止假冒劣质种子流入市场，坑农害农事件的发生。 1 视觉不变性 视觉不变性是指其经过某些变化仍能被视为同一模式，在不同时期和不同形态下特征保持稳定，具有旋转、平移和尺度不变性[8]。由于环境和温度等因素的影响，可能会导致图像形态的变化，而视觉不变特性不受这些因素的影响，使提取出的杂草种子特征与其所处的环境条件无关，能够有效地描述。 视觉不变性的研究包括两个方面，一方面是杂草种子的形态学特征，这些特征主要有描述几何特征的度量比值，另一方面是HU氏不变矩特征。 1.1 形态学特征的计算 图像中包含大量的信息，数据量大，要提高杂草种子的识别率，特征提取是关键。良好的特征能充分反映杂草种子的形状，提高运算速度、区分性好，并且能够快速、方便的获取[5]。杂草种子的特征提取的步骤如 图1所示。本文主要使用的形态学特征包括种子和种脐的面积、周长、原形度、长轴长度、短轴长度、长轴/短轴、质心等。  图1 杂草种子提取步骤 图像的基本几何特征有些具有旋转和平移不变性，有些像长轴和短轴只是具有平移不变性，但不具有比例不变性。通过分析杂草种子有关稳定性的形态特征，提取出具有视觉不变性的九个几何参数，即种子、种脐质心距离与种子长轴比、种子质心与种脐质心之间夹角、种子面积与种脐面积比、种子周长与种脐周长比、种脐圆形度、种子圆形度、种子长轴与种脐长轴之比、种子周长与种脐长轴之比和种子长短轴比。 对兵豆等25个种子分别取其原图、放大2倍、放大1倍、缩小到原图的和，根据公式计算兵豆等种子和种脐的基本特征参数，结果见表1。 表1 兵豆的9个特征参数 兵豆（原图） 兵豆（2倍） 兵豆（0.5倍） 兵豆（4倍） 兵豆（0.25倍） 0.22078 0.22126 0.2155 0.2267 0.2069 0.5337 0.5337 0.5337 0.5085 0.4993 27.0131 27.1906 27.7805 39.6289 34.9024 2.9636 2.9735 2.9677 3.0878 2.9677 72.6298 72.0805 75.0049 96.5746 93.7561 23.6139 23.4382 23.7795 23.2358 23.659 2.3333 2.3520 2.32 2.3948 2.32 7.3939 7.4337 7.36 7.5792 7.36 2.2083 2.1793 2.2222 2.2351 2.2222