常见的基于图像处理技术的作物病害诊断.ppt

研究背景 为了结合多种特征信息，解决复杂背景下的病斑分割问题，我们提出了一种新的多域多相水平集方法。一般的多相水平集模型中，多个水平集函数仅在同一个空间域中演化，例如常用的灰度域，可称之为单域多相水平集方法。若针对同一图像的分割问题，将不同的水平集函数对应在不同的空间域中演化，可称之为多域多相水平集方法。该方法具有很强的灵活性，不同的水平集函数可对应不同的特征域，甚至是人为约束。并且可以针对不同空间域的特点，使用不同的能量模型，例如外水平集使用CV模型，内水平集使用LBF模型。 水平集方法在分割复杂背景条件下的病叶和病斑方面虽然效果较好，但是计算复杂，运算量大，比较耗时，不太适合实时病害诊断系统的要求。 具体实验步骤如下： （1）对输入的图像首先进行超G处理； （2）利用中值滤波去除尖锐点； （3）使用OTSU对滤波后的超G图像进行分割，再对分割结果进行填充，去掉目标中的孔洞； （4）去掉目标中多余的细小部分； （5）将主要病叶从复杂背景中分割出来。 具体实验步骤如下： （1）对输入的图像首先进行超G处理； （2）利用中值滤波去除尖锐点； （3）使用OTSU对滤波后的超G图像进行分割，再对分割结果进行填充，去掉目标中的孔洞； （4）去掉目标中多余的细小部分； （5）将主要病叶从复杂背景中分割出来。 利用传统的分水岭算法对作物病害叶片图像的前景进行标记时，由于病斑和周围部分背景对比不太明显，导致提取的前景标记中含有部分伪标记。为了解决这个问题，本文根据颜色差异来对前景标记中的伪标记进行过滤。在提取背景标记时，传统算法一般对形态学重建后的灰度图像进行二值化操作，而本文是通过直接对原图的红色（R）通道采用最大类间方差法进行二值化处理，然后对处理后的图像进行欧氏距离变换和标准分水岭变换。这种做法在一定程度上减少了二值化操作带来的图像边缘信息的丢失，确保最终能够得到比较完整的背景标记。针对分水岭算法容易出现的“过分割”现象，本文采用极小值标定技术对原始梯度图像进行修改，并在修改后的梯度图像上采用标准分水岭变换，从而得到最终的分割结果。 在提取前景标记和背景标记方面，本文方法提取标记的精确度比未改进的方法高，不仅减少了前景标记中的伪标记，还使得背景标记更加精确。 由三组实验结果的对比可知，未改进的方法产生了过分割现象，容易混淆叶片的纹理和病斑；迭代阈值法分割结果误差比较大；而本文方法则较好地分离出了病斑部位。 由三组实验结果的对比可知，未改进的方法产生了过分割现象，容易混淆叶片的纹理和病斑；迭代阈值法分割结果误差比较大；而本文方法则较好地分离出了病斑部位。 在农业生产中，病害是制约农作物生长的重要因素，它能导致农作物大面积减产甚至绝收，影响农作物品质。 农作物受到病虫害侵染后，外观形态和生理效应均会发生一定变化。病害的症状各种各样，但绝大多数均会在农作物的叶子上表现出来，使叶子颜色、形状、纹理发生变化，出现病斑。因此，农作物病害图像处理技术研究多是针对叶部来进行的。 现有成果 2、复杂背景条件下的作物病害图像处理（续） 解决方案2： 单水平集模型分割结果 内部顺序的多相水平集模型分割结果 基本思想： 现有成果 2、复杂背景条件下的作物病害图像处理（续） 解决方案2： 从一幅原始图像获得多个特征域 一般情况下，让水平集函数 在 域上演化， 在 域上演化，同时又被约束在内部。 内外水平集都使用LCV模型 新的多域多相水平集模型 ： 现有成果 2、复杂背景条件下的作物病害图像处理（续） 解决方案2： 实验结果 ： 存在的问题：由于内水平集函数在灰度域中进行演化，易受到光照不均造成的灰度差异性影响，导致部分病斑分割错误。 现有成果 2、复杂背景条件下的作物病害图像处理（续） 解决方案3：设计了一种彩色图像非监督图像综合处理方法。首先结合超G和OTSU方法去除彩色图像中的大部分背景，尽可能的保留图像中的绿色部分信息，然后利用基于K-means聚类算法进行病斑提取分割。 现有成果 2、复杂背景条件下的作物病害图像处理（续） 解决方案3： 结合超G信息与OTSU的背景去除： 由于处于生长期的黄瓜叶片部分呈绿色，因此，采用在RGB空间中彩色图像灰度化因子（2G-R-B）（也称为“超G”因子），得到突出绿色特征的超G灰度图，本文根据这一颜色特征在复杂背景中提取主要叶片。 现有成果 2、复杂背景条件下的作物病害图像处理（续） 解决方案3： 实验结果： 现有成果 3、基于分水岭算法的病斑分割 针对分水岭算法在分割病斑的过程中容易产生的“过分割”现象，提出了一种改进的基于极小值标定的分水岭分割方法。 任玉刚，张建，李淼，袁媛．基于分水岭算法的作物病害叶片图像分割方法[J]．计算机应用，2012，32（3）：752-755. 现有成果 3