基于计算机视觉植物黑腐病病斑分析.docVIP

基于计算机视觉植物黑腐病病斑分析 　　摘要:给出一种基于图像处理和神经网络技术进行植物黑腐病病斑分析的方法,即利用图像处理技术提取病斑的几何特征和颜色特征,其中几何特征根据病斑形状提取,并基于HSV空间提取病斑颜色矩结合红绿颜色特征作为病斑的颜色特征,最后利用神经网络加以识别,从而判断病斑所处的生长周期#65377;给出系统的总体设计和实现方案,研究结果表明,该系统获得了较为理想的检测效果#65377;这一思路为植物病害检测和分析提供一种新的方法#65377; 　　关键词:计算机视觉;神经网络;病斑分析 　　中图分类号:TP391.41 　　文献标识码:A 　　 　　1引言 　　 　　基于计算机视觉的植物黑腐病病斑的检测与分析的研究内容和目标是提取植物叶片及黑腐病病斑的特征,分类并确定病害程度#65377;十字花科蔬菜黑腐病(Xanthomonas campestris pv.campestris (Pammel) Dowson)俗称“半边瘫”,是蔬菜生产重的主要病害之一[1]#65377;它是一种细菌引起的病害,症状是引起维管束坏死变黑#65377;细菌从叶缘入侵后,产生玉米粒大小的黄褐色坏死斑,再延叶脉蔓延,逐渐扩大成“V”字形或长条形斑块,周边伴有黄色退绿晕带#65377;进入致病末期,叶缘形成火烧似的卷缩烧边,致使大量外叶枯死#65377;因为植物病害等级判定的一些特性一般都可以由采集样本观察测量获得数据,即所选的性状都是可以直接观察到的,则相应的数字化图片上同样可以获得,所以我们利用计算机自动#65380;高效#65380;精确的特点,提出了基于计算机视觉的植物黑腐病病斑分析的概念,并对黑腐病病斑危害程度的确定进行了探索#65377;本文根据病斑的几何及颜色特征进行选择,并用人工神经网络的方法加以识别#65377; 　　 　　2病斑的几何特征选择 　　 　　由于黑腐病进入中后期后,病斑呈较为规则的“V”字形斑块,所以可以选择其几何特征作为其等级判断的依据#65377;通过多次试验,我们选择了以下几种较为具有代表性的几何特征[2]: 　　 　　2.1病斑区域与叶片区域的面积比p 　　式中,s为叶片面积,S为病斑面积,叶片和病斑区域面积可以通过扫描图像,累加同一标记区域中象素的个数来表示#65377; 　　 　　2.2病斑区域的圆形度C 　　圆形度C描述的是病斑形状接近圆形的程度,其计算公式为:式中,S表示的是病斑面积,L为病斑周长;C值的范围是0~1,当病斑区域为圆形时周长最短,C=1,病斑区域越偏离圆形,则C值越小#65377; 　　 　　2.3病斑区域长#65380;宽比E 　　E=min{宽度,高度}m??x{宽度,高度}病斑区域越细长,E越小,当病斑区域为圆形时,E=1#65377; 　　 　　2.4病斑形状复杂性e 　　式中,L表示周长,S表示面积,用离散指数e来描述单位面积图形的周长大小#65377;e越大,表示单位面积图形周长越大,即图形离散,为复杂图形#65377; 　　 　　2.5从重心到轮廓线的长度的平均变动系数d 　　如果从病斑重心出发,每隔10°对病斑轮廓进行扫描,设重心到轮廓的距离分别为 n,其中n=0°,10°,…,350°,则平均变动系数: 　　 　　3病斑的颜色特征选择 　　 　　由于叶片的生长及病斑的蔓延存在很大的随机性,所以单一依靠病斑的几何特征无法对病斑做出准确而有效的判断#65377;鉴于此种情况,除几何特征外,我们提取病斑的颜色特征结合上述几何特征共同作为病斑的评判依据#65377; 　　 　　3.1基于HSV空间的病斑颜色矩特征提取 　　为了处理彩色图像,首先要选取合适的颜色空间#65377;由于常用的RGB三色空间中,两点间的欧氏距离与颜色距离不成线性比例,也就是说颜色受亮度影响很大,RGB空间不具有进行彩色图像处理所要求的独立性和均匀性指标,所以我们在提取病斑颜色矩特征时采用了均匀性更好的HSV空间#65377;从RGB到HSV的转换公式为[3]: 　　由于颜色信息集中在图像颜色的低阶矩中,我们主要对每种颜色分量的一阶#65380;二阶和三阶矩 进行统计#65377;这三个颜色矩的数学定义如下[4]:式中:pij是第j个象素的第i个颜色分量的值;N是象素数量#65377;由于每幅图像有3个颜色分量,每个颜色分量包括3个颜色矩,这样就一共得到了9个特征向量#65377; 　　颜色矩的优点是特征描述比较紧凑,缺点是低阶颜色矩往往分辨率不够,所以除此之外我们又提出了基于统计的病斑红#65380;绿象素特征特提取的方法#65377; 　　3.2基于统计的病斑红#65380;绿象素特征提取病菌对叶片的侵蚀实际