（模式识别与智能系统专业论文）基于图像识别的作物病害诊断研究.pdf

摘要 摘要 农作物是人类生产和生活所必需的资源，在我国国民生产中也占有较大的 比例。病虫害是农作物生产的重要制约因素，它能导致农作物大面积减产甚至 绝收，影响农作物品质。因此，对作物病虫害种类的识别研究具有重要的现实 意义和应用价值。 传统的农作物病虫害诊断主要依靠人工目测方式，但这种方式存在一些问 题：一方面农民凭自己经验判断，有可能出现误诊；另外一方面由于技术人员 或者专家不能及时来现场诊断，造成病情的延误。而这些都可以借助于计算机 图像处理和模式识别技术加以解决，因此我们希望建立图像识别系统来对作物 病虫害进行识别。采用模式识别与图像处理的方法，用计算机软件来对农作物 病害叶片进行分析，从而实现农作物病害的自动诊断。本文以黄瓜病害为例， 主要工作总结如下： 1 黄瓜病害图像预处理。 主要包括图像裁剪、通道选择、图像平滑、阈值分割、轮廓提取和病斑提 取等步骤。首先通过图像裁剪技术去除病害叶片的复杂背景，选择病斑显示最 为清晰的蓝色通道，利用中值滤波方法对图像进行平滑，然后用阈值法分离病 斑得n - 值图像，最后用轮廓跟踪算法提取病斑轮廓并与原始图像进行叠加， 得到病斑图像。 2 病斑图像特征提取。 对预处理后得到的病斑图像进行颜色、纹理和形状特征的提取，并将提取 的特征按照s v m 模型训练的格式要求保存在一个文本文件中。特征向量包括6 种颜色特征、7 种纹理特征和1 0 种形状特征，共有2 3 种特征。 3 基于s v m 方法的分类器设计与模型训练。 将存放特征向量信息的文本文件交付分类器进行训练，得到黄瓜病害诊断 模型。 4 系统集成实现。 使用v i s u a lc + + 6 0 和o p e n c v 开发了基于图像处理的黄瓜病害诊断系统 c d r s1 0 ，实现了黄瓜霜霉病、褐斑病、角斑病的快速识别。 关键字：黄瓜病害图像处理预处理特征提取模式识别 a bs t r a c t t g r o pp r o d u c t i o n1 sn e c e s s a r yr e s o u r c ef o rh u m a n sp r o d u c t i o na n dl i f ea n da l s o al a r g ep r o p o r t i o no fo u rn a t i o n a lp r o d u c t d i s e a s e sa n d p e s t sa r ei m p o r t a n tf a c t o r s t or e s t r i c tt h eg r o w t ho fc r o p si na g r i c u l t u r ep r o d u c i n g ，w h i c hm a y r e d u c ey i e l d so f c r o p sg r e a t l ya n dq u a l i t yo fp r o d u c t s t h e r e f o r e ，t h er e s e a r c ho ni d e n t i f i c a t i o no ft h e t y p eo fc r o pp e s t sa n dd i s e a s e sh a si m p o r t a n tp r a c t i c a ls i g n i f i c a n c ea n d a p p l i c a t i o n v a h l e a tp r e s e n t ，t h e d i a g n o s i s o fc r o p sd i s e a s e s m o s t l yd e p e n d so nm a n u a l r e c o g n i t i o n ，b u ts o m ep r o b l e m so c c u r ：o nt h eo n eh a n d ，i tc a nb em i s t a k e n l v d i a g n o s e db yf a r m e r sb e c a u s et h e yu s u a l l yj u d g et h es y m p t o mb yt h e i re x p e r i e n c e s ； o nt h eo t h e rh a n d ，t h ed i s e a s et r e a t m e n tm a y b ed a l l i e do v e rb e c a u s et h et e c h l l i c i a j l o re x p e r tc a n tg ot ol o c a l et o d i a g n o s ei ng o o dt i m e a l lt h e s ec a nb er e s o l v e d t h r o u g hc o m p u t e ri m a g ep r o c e s s i n ga n dp a a e mr e c o g n i t i o nt e c h n o l o g y s ow eh o p e t ob u i l da ni m a g er e c o g n i t i o ns y s t e mt o i d e n t i f yd i s e a s e sa n dp e s t so fc r o p s p a t t e m r e c o g n i t i o na n di m a g ep r o c e s s i n gb yw a yo fc o m p u t e rs o f t w a r eu s e dt oa n a l v z e d i s e a s e so nl e a fo fc r o pi no r d e rt oa c h i e v et h ea u t o m a t i c d i a g n o s i s c u c u m b e r d i s e a s el e a fw a sa sa ne x a m p l ei nt h i sp a p e ra n dt h em a j o rw o r ki s s u m m a r i z e d b e l o w ： 1 p r e - p r o c e s s i n gf o rd i s e a s ei m a g eo fc u c u m b e r p r e p r o c e s s i n go ni m a g eo fc u c u m b e rd i s e a s e s ，w h i c hi n c l u d e s c l i p p i n g ， c h a n n e ls e l e c t i n g ，s m o o t h i n g ，s e g m e n t a t i o n ，c o n t o u r se x t r a c t i o na n d s p o t se x t r a c t i o n f 1 r s t l y , 、em o v e dc o m p l e xb a c k g r o u n df o r i m a g ew i t ht h ei m a g ec l i p p i n g t e c h n o l o g ya n ds e l e c tb l u ec h a n n e lo nw h i c ht h es p o t sd i s p l a y e dm o s tc l e a r l y a n d t h e nw i p e dn o i s e sf o rt h ei m a g ew i t hm e d i a n f i l t e r s e c o n d l y , t h r e s h o l dm e t h o dw a s u s e dt os e p a r a t es p o t s ，a n dt h eo u t c o m ei sa b i n a r yi m a g e l a s t l y , t h es p o t sc o n t o u r s w e r ee x t r a c t e dt op l u sw i t ht h eo r i g i n a l 2 f e a t u r e e x t r a c t i o nf o rs p o t si m a g e i m a g e ，a n dt h e n ，t h es p o t sw e r ee x t r a c t e d c o l o r ，t e x t u r ea n ds h a p ef e a t u r e so ft h ei m a g ea f t e rp r e t r e a t m e n tw e r ee x t r a c t e d a n ds t o r e d i nat e x tf i l ew i t ht h ef o r m a tw h i c hi n a c c o r d a n c ew i t hs v mm o d e l t r a i n i n g i nt h i sp a p e r , 2 6f e a t u r e sw h i c hi n c l u d e6c o l o rf e a t u r e s ，7t e x t u r ef e 栅e s a n d10s h a p ef e a t u r e sw e r ee x t r a c t e d 3 d e s i g n i n gc l a s s i f i e rw i t hs v m i i a b s t r a c t - - r 一一。“一 g e t t i n gt h ed i a g n o s i sm o d e lo fc u c u m b e rd i s e a s e sb yd e s i g n i n gc l a s s i f i e rw i t h sv mm e t h o da n dt r a i n i n gt h es t o r e df e a t u r e s 4 s y s t e m r e a l i z a t i o n v i s u a lc + + 6 0a n do p e n c vw e r eu s e dt od e v e l o pt h ec u c u m b e rd i s e a s e r e c o g n i t i o ns y s t e mc d r s 1 0w h i c hr e a l i z e dq u i c ki d e n t i f i c a t i o no fc u c u m b e rd o w n y m i l d e w , b r o w ns p o ta n da n g u l a rl e a fs p o tb a s e do ni m a g ep r o c e s s i n g k e yw o r d s ： c u c u m b e rd i s e a s e ，i m a g ep r o c e s s i n g ，p r e p r o c e s s i n g ，c h a r a c t e r i s t i c e x t r a c t i o n ，p a t t e r nr e c o g n i t i o n i i i 中国科学技术大学学位论文原创性和授权使用声明 本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的 成果。除己特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或 撰写过的研究成果。与我同工作的同志对本研究所做的贡献均已在论文中作 了明确的说明。 作者签名：药鉴葭 签字日期：q 2 ：笪：! f 中国科学技术大学学位论文授权使用声明 作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学 拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构 送交论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入有 关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论 文。本人提交的电子文档的内容和纸质论文的内容相一致。 保密的学位论文在解密后也遵守此规定。 叼公开口保密( 年) 作者签名：习鉴羡 签字日期： q 9 ，6 、u 导师签名：掘 签字日期：! 2 皿 第1 章绪论 1 1 选题背景及意义 第1 章绪论 中国是一个农业大国，农作物病、虫、草害不仅种类繁多，分布广泛，而 且成灾条件复杂。据记载，中国农业病、虫、草、鼠害达2 2 8 4 种，其中病害就 有7 4 2 种。近几年来经过大力防治，年均挽回粮食、棉花、油料损失分别达到 3 1 5 0 、1 1 5 、1 5 0 万吨，但每年仍因病、虫等生物灾害损失粮食1 6 0 0 万吨、棉 花3 0 万吨、油料1 4 0 万吨以上。这直接影响到农业的持续稳定发展和农村经济 的增长。实践表明，合理施用农药是保证农业获得丰收的一项重要措施，而合 理施用农药的前提是正确诊断病虫草害的类型及发生程度，如果诊断不正确， 农民就会盲目大量滥施农药，这不仅不能获得农业丰收，还会引发一系列更为 严重的问题。在刚刚结束的2 0 0 8 年国际食品农产品质量安全管理策略报告会 上，来自联合国粮农组织、世界卫生组织的高级官员和专家警告说，农药在多 种作物的过度使用和滥用、高毒农药的危害、食品中的农药残留等问题，不仅 危及全球的食品安全和公众健康，还将引发多种自然灾害，使可持续农业和农 村的发展成为阻碍。联合国粮农组织农药残留联席会议秘书长范格特博士 ( d r g e r o v a a g t ) 在此次报告会上指出，食品质量安全出现隐患、全球气候变 暖等现象皆与全球农药市场存在的一些问题有关，这些问题主要表现在四个方 面，其中第一个方面就是农药在多种作物的过度使用和滥用。据陈同斌等人的 统计，我国目前受农药污染的耕地面积已超过1 3 0 0 1 6 0 0 万h m 2 。由于滥用农药 造成我国出口的农产品因农药残留超标屡遭国外拒收、扣留、退货、索赔、撤 销合同等，不仅造成巨大经济损失，而且影响我国的贸易声誉。 因此，准确迅速地识别诊断病虫害，是农作物病虫害综合防治的关键技术。 只有在正确诊断病虫种类的前提下，才能迅速做出防治的策略，采用适时对路 的防治措施，收到事半功倍的效果。 专家系统是一种具有大量专门知识与经验的智能程序系统，它能动用某个 领域一个或多个专家多年积累的经验和专门知识，模拟领域专家求解问题时的 思维过程，以解决该领域中的各种复杂问题( 张仰森，2 0 0 4 ) 。被誉为“专家系 统和知识工程之父 的e d w a r df e i g e n b a u m ，把专家系统定义为“一种智能的计 算机程序，它运用知识和推理来解决只有专家才能解决的复杂问题”。也就是说， 专家系统是一种模拟专家决策能力的计算机系统，力图在解决复杂问题时表现 得跟专家一样。专家系统的一个优点是它能够减少用户需要处理的信息量，从 第l 章绪论 而减少人员耗费，增加生产量。专家系统的另一个优点是它比人类专家能够更 始终如一的完成任务。从2 0 世纪8 0 年代早期开始，基于知识的专家系统技术 已经成功的应用于各种农业问题。在埃及的农业专家系统中心实验室，已经开 发了一些用于不同农业活动的专家系统。中国科学院合肥智能机械研究所智能 农业重点实验室在国家8 6 3 计划和中国科学院知识创新工程的支持下，从1 9 9 7 年开始“农业专家系统开发平台 ( d e v e l o p m e n tt o o l so fe x p e r ts y s t e m ，简 称d e t ) 的研究工作。在多年的推广应用中，用d e t 语言成功开发出了大量实 用的农业专家系统，并且在实际的生产中产生了较大的经济效益( 李淼，2 0 0 3 ) 。 其中，很多专家系统都具有病害诊断功能。这些诊断专家系统依靠用户理解植 物的病害症状并通过一个文本输入来传达这些症状。凭借用户对观察到的症状 的理解水平，专家系统可以得到正确的诊断。但是，如果用户对病害症状理解 错误，并且对提出的问题选择了一个错误的文本答案，那么专家系统将会得到 一个错误的结论。设计一个能够自动诊断异常症状的方法将会大大降低人工出 错的风险，从而得到更加精确的诊断结果。图像处理是一个有力的工具，它已 经被应用于许多领域，如通过卫星的智能远程判断，医学图像分析，雷达，声 波定位仪，机器人技术和自动检查。将来，图像处理技术也会在病害诊断方面 扮演重要的角色。本研究以黄瓜病害为例，进行图像处理技术研究。尽管我们 的研究方法针对的是某一作物病害，但对作物病害诊断自动化的实现以及专家 系统的实际应用都具有重大的理论意义和实践意义。 1 2 图像处理技术 所谓图像处理，就是对图像信息进行加工以满足人的视觉心理或应用需求 的行为。所谓数字图像处理就是利用数字计算机或者其他数字硬件，对从图像 信息转换而得到的电信号进行某些数学运算，以提高图像的实用性。总的来说， 数字图像处理包括以下几项内容( 何斌，2 0 0 2 ) ： ( 1 ) 点运算 点运算主要是针对图像的像素进行加、减、乘、除等运算。图像的点运算 可以有效地改变图像的直方图分布，这对提高图像的分辨率以及图像均衡都是 非常有益的。 ( 2 ) 几何处理 几何处理主要包括图像的坐标转换，图像的移动、缩小、放大、旋转，多 个图像的配准以及图像扭曲校正等。几何处理是最常见的图像处理手段，几乎 任何图像处理软件都提供了最基本的图像缩放功能。图像的扭曲校正功能可以 2 第1 章绪论 将变形的图像进行几何校正，从而得出准确的图像。 ( 3 ) 图像增强 图像增强的作用主要是突出图像中重要的信息，同时减弱或者去除不需要 的信息。常用方法有直方图增强和伪彩色增强等。 ( 4 ) 图像复原 图像复原的主要目的是去除干扰和模糊，从而恢复图像的本来面目。例如 去噪声复原处理。 ( 5 ) 图像形态学处理 图像形态学是数学形态学的眼神，是- 1 7 独立的研究学科。利用图像形态 学处理技术，可以实现图像的腐蚀、细化和分割等效果。 ( 6 ) 图像编码 图像编码研究属于信息论中信源编码的范畴，其主要宗旨是利用图像信号 的统计特性及人类视觉特性对图像进行高效编码，从而达到压缩图像的目的。 图像编码是数字图像处理中一个经典的研究范畴，有6 0 多年的研究历史，目前 已经制定了多种编码标准，如h 2 6 1 、j e p g 和m e p g 等。 ( 7 ) 图像重建 图像的重建起源于c t 技术的发展，是一门新兴的数字图像处理技术，主要 是利用采集的数据来重建出图像。图像重建的主要算法有代数法、迭代法、傅 立叶反投影法和使用最广泛的卷积反投影法等。 ( 8 ) 模式识别 模式识别也是数字图像处理的一个新兴的研究方向，当今的模式识别方法 通常有3 种：统计识别法、句法结构模式识别法和模糊识别法。目前应用广泛 的文字识别( o c r ) 技术就是应用模式识别技术开发出来的。 目前数字图像处理的应用广泛，已经渗透到工业、医疗保健、航空航天、 军事等各个领域。在国民经济中发挥越来越大的作用。 其中最典型的应用有： ( 1 ) 遥感技术中的应用 遥感图像处理的用处已越来越大，并且其效率和分辨率也越来越高。它被 广泛地应用于土地测绘、资源调查、气象监测、环境污染监督、农作物估产和 军事侦察等领域。目前遥感技术已经比较成熟，但是还必须解决其数据量庞大、 处理速度慢的缺点。 ( 2 ) 医学应用 图像处理在医学上有着广泛的应用。其中最突出的临床应用就是超声、核 磁共振、y 相机和c t 等技术。在医学领域利用图像处理技术可以实现对疾病的 3 第1 章绪论 直观诊断和无痛、安全方便的诊断和治疗，受到了广大患者的欢迎。 ( 3 ) 安全领域 利用图像处理的模式识别等技术，可以应用在监控、指纹档案管理等安全 领域中。目前由清华大学工程物理系开发研制的大型集装箱检测系统，就是利 用图像处理技术来实现全自动集装箱检测，从而加快了海关的工作效率，为打 击走私立下汗马功劳。 ( 4 ) 工业生产 产品的无损检测也是图像处理技术的一项广泛的应用。 总之，图像处理技术的应用是相当广泛的，它在国家安全、经济发展、日 常生活中充当着越来越重要的角色( 有关图像处理的应用领域如表卜l 所示) ， 对国计民生有着不可忽略的作用。 表1 1 图像处理的应用领域 学科应用 物理、化学结晶分析、谱分析等 生物、医学细胞分析、染色体分类、x 射线成像、c t 等 环境保护水质及大气污染调查等 地质资源勘测、地图绘制、g i s 等 农业、林业农产物估产、植被分布调查等 渔业囱群分布调查等 气象卫星云图分析等 通信 传真、电视、多媒体通信等 工业 工业探伤、机器人、产品质量监测等 军事导弹导航、军事侦察等 法律指纹识别等 1 3 国内外图像识别技术研究现状 1 3 1 图像识别技术的国外研究现状 国外对农作物病害的图像识别研究起于2 0 世纪8 0 年代。1 9 8 5 年，安冈善 文( 1 9 8 5 ) 等对作物叶片受有害气体污染后的红外图像进行了研究，叶子的红 外图像清晰显示了被污染的区域，并提出可通过病叶来诊断植物病害。1 9 8 9 年， 穗波雄信( 1 9 8 9 ) 通过图像对茨菇缺素症进行了研究，并对用茨菇叶片图像的 4 第l 章绪论 r 、g 、b 值作为其缺f e 、c u 、m g 、c a 等元素的判别指标进行了尝试。1 9 9 5 年， p a n i g a h i ( 1 9 9 5 ) 等研究了受虫为害后的玉米棒图像，并根据受害后的缺陷部 位灰度发生的变化，成功识别出受虫害的玉米穗。i 9 9 9 年，y u a t a k as a s a k i ( 1 9 9 9 ) 等研究了黄瓜炭疽病的自动诊断技术，研究了不同的分光反射特性和光学滤波 对病害识别的影响，采用遗传算法，从分光反射特性和形状特性的角度建立了 识别参数，对病害进行了识别。由于他们未充分利用病害的颜色及纹理信息， 因此识别精度不高。2 0 0 3 年，y u a t a k as a s a k i ( 2 0 0 3 ) 利用可见病害部分的形 状特征建立了诊断病害类型的分类模型。利用遗传算法整合多个参数，形成更 适合病害诊断的参数。2 0 0 4 年，m o h a m m e de 1 h e l l y ( 2 0 0 4 a ，2 0 0 4 b ，2 0 0 4 c ) 等开发了综合图像处理系统自动检测叶片病斑来识别病害类型，此系统利用人 工神经网络作为分类器，能较好的识别黄瓜白粉病、霜霉病和受潜叶虫危害的 叶片。m o h a m m a ds a m m a n y ( 2 0 0 6 a ，2 0 0 6 b ，2 0 0 7 c ) 等利用遗传算法优化神经 网络的结构和参数来识别植物病害图像；同时把支持向量机和神经网络两种方 法应用于识别植物病害。后来，他们利用粗糙集来减少神经网络分类器的输入 特征向量，以此提高分类效率。 1 3 2 图像识别技术的国内研究现状 国内在这方面起步较晚，但是有一些高校或者科研院所一直在开展农作物 病害图像处理技术的研究。 江苏大学以毛罕平( 2 0 0 3 a ，2 0 0 3 b ，2 0 0 3 c ，2 0 0 3 d ，2 0 0 4 a ，2 0 0 4 b ，2 0 0 4 c ， 2 0 0 5 ，2 0 0 6 ，2 0 0 7 ，2 0 0 8 ) 和徐贵力( 2 0 0 1 ，2 0 0 2 ，2 0 0 3 ) 为代表，从2 0 0 1 年 开始就在国内较早开展了植物缺素叶片图像处理技术研究，主要针对番茄缺素 叶片的颜色、纹理两个方面进行特征提取。以肉眼不能识别的番茄缺氮和缺钾 初期为研究对象，对体现在叶片颜色和纹理上的缺素症状进行了特征提取，利 用遗传算法对提取的众多缺素特征进行优化组合，选择出用于模式识别分类器 设计的特征向量。建立了三叉树分类法对番茄缺素进行模式识别的框架，在该 框架下，基于模糊k 一近邻法建立了缺素的模式识别系统。从颜色和纹理两个方 面提取缺n 、缺k 、缺f e 和正常4 种情况下叶片图像的特征参数，取得了较好 的效果；设计了番茄缺n 、缺f e 、缺m g 的b p 神经网络系统，采用该系统对正 常中叶、正常新叶、缺铁新叶，缺氮中叶、缺镁中叶的识别准确率依次为9 5 、 9 2 5 、9 2 5 、8 7 、8 7 。后来，他们又针对黄瓜缺素叶片和棉花病斑进 行了相关的研究。 沈阳农业大学以田有文( 2 0 0 3 ，2 0 0 4 a ，2 0 0 4 b ，2 0 0 5 ，2 0 0 6 ，2 0 0 7 ) 为代 表，根据植物病害的颜色特征，采用统计模式识别的方法，对植物病害斑块进 第1 章绪论 行了识别研究。根据玉米、黄瓜病害的彩色纹理图像，提出将支持向量机和色 度矩分析方法应用于病害斑块的识别。支持向量机分类方法对于病害分类训练 样本较少时，具有良好的分类能力和泛化能力，适合于玉米和黄瓜病害的分类； 不同分类核函数的相互比较分析表明，径向基核函数最适合于玉米病害的分类 识别，线性核函数最适合黄瓜病害识别。后来，他们也应用计算机图像处理技 术和支持向量机识别方法研究了葡萄叶部病害的识别，证明了支持向量机识别 方法能获得比神经网络方法更好的识别性能。 山西农业大学以王双喜( 2 0 0 6 a ，2 0 0 6 b ，2 0 0 7 a ，2 0 0 7 b ) 为代表，主要以 温室黄瓜病叶为例进行了图像分割、图像增强及特征提取方面的深入研究。通 过研究发现，利用灰度共生矩阵方法提取出来的惯性值是识别温室黄瓜斑疹病 和角斑病较好的特征参量之一；通过对温室黄瓜霜霉病和炭疽病两种病害的处 理研究，探索出了新的多区域双峰法去除背景的方法，利用边缘检测技术和阈 值分割技术在正常部位和病害部位实现了图像的有效分割，并发现了快速中值 滤波是应用于植物病害图像上效率最高、效果最明显的1 种增强方法。 中国农业科学院的王克如( 2 0 0 5 ) 将作物病害识别的专家知识与数字图像 处理、神经网络结合，综合运用人工智能和网络技术，研究实现了作物病害的 远程图像识别与诊断，并能较好的识别玉米6 种叶部病害图像。随后，赵玉霞 ( 2 0 0 7 a ，2 0 0 7 b ) 等对玉米叶部病害进行了深入研究。利用朴素贝叶斯分类器 的统计学习方法，实现玉米叶部病斑的分类识别，为其它作物病害图像识别的 研究提供了借鉴；研究提取了五种玉米叶部主要病斑的识别特征，确定了诊断 流程，并开发了识别系统。经检验，该系统对玉米叶部的锈病斑、弯孢菌病斑、 灰斑、褐斑、小斑等五种主要病害的诊断准确率达8 0 以上。 另外，吉林大学的齐龙( 2 0 0 6 ) 从算法理论研究入手，采用b p 神经网络和 模糊c 均值算法成功的分割了番茄叶霉病和玉米大斑病的病害图像：通过比较 b p 神经网络、p n n 神经网络和最小二乘支持向量机三种方法的分类精度，发现 最小二乘支持向量机的分类精度最高，适合玉米大斑病的分类诊断。 1 4 本文主要研究内容和技术路线 1 4 1 研究内容 本研究以计算机图像处理技术为主要技术手段，综合运用图像处理、植物 病理学、色度学、模式识别等方面的知识对黄瓜角斑病、褐斑病和霜霉病进行 诊断，相关研究方法可以应用于其它农作物的病害诊断。本研究的主要内容有： 6 第1 章绪论 1 、复杂背景下病害叶片图像的预处理。首先研究将目标区域从复杂背景中 分离出来的算法，然后比较几种图像增强算法，选取合适的算法对图像进行平 滑处理。 2 、病害叶片图像病斑的分割。研究将病斑部位从叶片背景中分割出来的方 法，以获取病斑图像，进行特征提取。 3 、病斑特征提取。通过实验比较，选取适合于病害分类的病斑颜色、纹理 和形状特征进行提取。 4 、病害种类识别。用s v m 方法训练分类器，建立诊断模型，进行病害诊断。 本研究是在课题组农业专家系统处理平台的框架内，对农作物病害的图像 处理与识别技术进行探索性研究。本文主要是针对黄瓜的病害进行诊断，相关 研究成果可以为其它农作物的图像处理病害诊断奠定基础。 1 4 2 技术路线 在v c 编译环境中，采用c + + 语言和o p e n c v 混合编程，开发图像识别诊断 作物病害的软件，并使其功能模块化。其中包括：图像获取模块、图像预处理 模块、特征提取模块、图像识别模块。具体的技术路线见图1 1 。 7 第1 章绪论 图1 1 基于图像识别的作物病害诊断研究技术路线图 1 5 本文的组织结构 文章在第一章概述了本文的研究背景，分析了图像处理技术在农业病虫害 诊断中的应用的国内外研究现状，并指出了本文的研究内容和技术路线；后面 的第二、三、四章分别介绍了病害图像的预处理、分割以及特征提取的过程、 方法和结果；第五章介绍了基于s v m 分类器的设计以及病害诊断模型的训练； 第六章详细介绍了整个病害诊断系统的实现过程；最后第七章对全文进行了总 结，并对后续工作进行了展望。 第2 章黄瓜病害图像预处理 第2 章黄瓜病害图像预处理 图像预处理是病害识别过程中的一个重要环节，它相对于特征提取、图像 识别而言的一种前期处理。输入图像由于图像的采集环境不同，如光照明暗程 度以及设备性能的优劣等，往往存在噪声、对比度不够、图像中希望得到的目 标并不清晰、图像中有其它物体的干扰等缺点。从图像质量的角度来说，预处 理的主要目的就是为了提高图像的可懂度，也就是提高图像能向人或机器提供 信息的能力。因此预处理的实质就是指按实际情况对图像进行适当的变换从而 突出某些有用的信息，去除或削弱无用的信息( 王晓峰，2 0 0 5 ) 1 0 。针对不同的 图像应用，应该选择不同的预处理方法，本文的预处理主要包括图像裁剪、图 像增强和图像分割三个环节，其中图像分割放在第三章详细介绍。 2 1 图像裁剪 在图像处理学当中，研究对象是目标区域，也就是我们感兴趣的区域，为 了能准确地计算出它的特征值，我们常常要将目标区域从背景区域中分离出来， 常用的方法是阈值分割法，但是这种方法很难将二者准确地分离，原因是目标 与背景的某些区域灰度值相近或相同。而我们实际中采集到的病害叶片图片大 都是具有复杂背景的，这些图片的目标与背景的某些区域的灰度值是相近或相 同的，所以用闽值分割法很难准确地来去除背景。 图像裁剪技术虽然在图像处理领域有所涉及，但基本上都是对规则区域的 裁剪，如圆形区域、矩形区域等。但现在存在的问题是，我们采集的病害叶片 图像中的目标区域并不是规则区域，所有用规则区域的图像裁剪方法很难将目 标区域提取出来。此外，虽然图片编辑软件p h o t o s h o p 中实现了对于封闭区域 的图像裁剪技术，但是p h o t o s h o p 只是一种封闭型的应用软件，缺乏在应用软 件编程中的灵活性( 祁广云，2 0 0 5 ) 。 因此，本文我们以v c 作为开发工具，实现了对图像中任意形状边界的封闭 区域的裁剪，做到了图像中目标区域与背景区域的成功分离。 图像裁剪的工作原理图如下： 9 第2 章黄瓜病害图像预处理 图2 1 图像裁剪工作原理图 具体实现步骤如下： ( 1 )将原始图像进行拷贝； ( 2 在内存中创建一幅模板图像，初始为全白； ( 3 )用鼠标定点，连线确定出目标的边界，画出轮廓，与此同时，在模 板图像中也同时画线，这样就在模板图像中画出了一条与目标轮廓相同 的轮廓线； ( 4 )将模板图像轮廓线外的部分填充为黑色，此时，整个模板图像就分 为两部分，轮廓线内为白色，轮廓线外为黑色； ( 5 )将模板图像与原始图像进行与运算，即得到去除背景后的图像。 其中第( 4 ) 步用到了区域填充算法。下面我们介绍一下该算法。 区域填充算法将一个用边界表示的物体区域填上灰度( 或对应颜色) 。填充 算法大量用于计算机图形学和图像信息系统之中。在这些场合，物体区域常用 其边界点的编码或多边形近似来表示，或用数学公式产生边界，在将这些区域 的编码调出显示或成图的时候，往往需要在边界围成的区域填以某种颜色、灰 度或标号。填充方法有两种，一种是给定一区域内部点( 称种子点) ，由该点向 四周扩展，直到边界为止；另一种则是以划横线的方式填充区域，它需要根据 横线与边界交点的先后次序的奇偶性来确定哪一部分在区域内部，应予以划线 填充( 陈学俭，2 0 0 4 ) 1 3 4 a 本文用到的是第一种种子点填充算法。 假定所给定的边界是完全闭合的，没有任何缝隙，那么，从种子点开始， 寻找种子点的四邻域定义下的尚未处理过的非边界邻点，赋予灰度，并以该点 作新的种子点。整个过程递归地进行，直至所有的种子点用完为止。这时，区 域已经填满。由于这里使用四邻域定义，它能保证在填满所有空问的前提下填 色处理不会跑出界外( 陈学俭，2 0 0 4 ) 1 3 4 。 具体步骤如下： ( 1 ) 从种子点开始将四邻点中非边界点扩充为新的种子点： ( 2 )重复处理新种子点，直到区域被填满，不再有新的种子点可以增加 为止。 图2 2 中的三幅图分别是黄瓜霜霉病的原图、鼠标定点画线的轮廓图和去 1 0 第2 章黄瓜璃害图像研世理 睬背景后凹效果i 堇| 图2 2 黄瓜霜霉病的原图、鼠标定点轮廓圈和去除背景后的效果图 从图2z 中我们可以看到，目标区域已经完全从背景区域中分离出来了。 对于任意封闭区域的裁剪技术虽然已有过实现，但都是集成在独立的封闭软件 中的，其具体的实现原理与程序足未知的。现在，我们在自己的程序中实现了 这一裁剪功能，把图像编程与裁剪功能有机地结合起来。另外，我们使用的是 面向对象的编程思想，代码封装性好，可以方便地移植到别处使用。 22 图像增强 由于设备、信道与客观条件的限制，输出图像的质量可能会下降。图像增 强是数字图像处理的一类方法，该方法力求改善图像的外观，或把图像转换成 另一种形式，使之适合于人跟的观察判断和机器的分析处理。 增强不是以图像保真原则为基点来处理图像的，所以它不涉及图像质量变 坏的物理过程，只是根据图像质量变坏的一般情况提出一些改善方法。例如图 像灰度差别很小，可以采用增加对比度的方法和直方图均衡方法来改善；图像 上噪声很大，则采用平衡方法去除；图像轮廓不明显或需要提l 睨轮廓以供机器 分析，则用锐化方法处理。 第2 章黄瓜病害图像预处理 常用的增强技术根据其处理所进行的空剧不同，可分为两类：基于图像空 间域的方法和基于图像变换域的方法。前者直接在图像所在空间进行处理，而 后者对图像的处理是在图像变换后的空间频率域间接进行的( 陈学俭，2 0 0 4 ) 3 2 o 本文主要使用了空间域滤波方法，其基本原理就是将图像中的每个像素点 与其周围的像素点做邻域运算。空间域滤波又可分为线性和非线性两类，多数 线性滤波器都具有低通特性，在去除噪声的同时也会使图像的边缘变模糊，而 非线性滤波器则可以较好的保证图像边缘的清晰。由于病斑形状特征的提取对 于边缘位置的确定要求很高，因此选用滤波器时应注意保持边缘部分的细节足 够清晰，本文比较了空间域对图像进行平滑处理的两种方法：均值滤波法和中 值滤波法，其中，中值滤波法更符合我们的要求。 2 2 1 均值滤波器 均值滤波器是种线性滤波器，即对图像进行局部均值的计算，也就是把 每一个像素的灰度值用其k x k 邻域内所有像素灰度值的均值来代替，计算公式 为： 如川2 去。髻( 薯y ) ( 2 1 ) 其中m 为邻域中的像素点数，s 为k x k 大小的邻域，具体实现通常采用3 3 或 者5 5 模板卷积来操作。 由于噪声是由灰度级的尖锐变化组成，而图像的边缘也是由图像灰度尖锐 变化带来的特征，因此均值滤波器在减少噪声的同时也会使图像变模糊，邻域 越大噪声减少越显著，但同时图像也开始变得模糊，这也是大多数线性滤波器 的共同缺点( 王晓峰，2 0 0 5 ) 。 2 2 2 中值滤波器 中值滤波器是一种二 ：线性滤波器，其基本思想是把每一个像素的灰度值用 其k x k 邻域内所有像素灰度值的中值来代替。一个数值集合的中值6 定义为， 在数值集合里，有一半小于或等于6 ，还有一半大于或等于6 。对于奇数个元 素的数值集合来说，其中值是按大d , t 4 序后中间的数值；对于偶数个元素的数 值集合来说，中值是指排序后中间两个元素的平均值。由中值定义可知，中值 滤波器不会影响阶跃函数，因此使用中值滤波器可以尽量避免图像边缘模糊， 而且可以迭代使用，计算公式为： 第2 帝黄瓜瘸毒目像预处理 g 川2 ( m 。e ) 。d s f xy ) 23 实验结果比较 2 2 我们分别选择红色、绿色、蓝色通道，用3 x3 均值滤波器和3 3 中值滤波 器进行比较，结果如图23 、24 和25 。 和中值滤波结果 图2 4 绿色通道均值滤波和中值滤波结果 第2 童营m 雇* 蝌像预孙理 海薅 图2 5 蓝色通道均仿滤波和t ”值滤波结果 可以看到蓝色通道的l i 值滤波效果最好一p 值滤波器小但尽可能的保持r 病斑边缘细节的清晰，同时也很好的消除了刚像的噪声影口自。 24 本章小结 本章主要介绍了黄瓜瘸害图像的预处理技术。在得到一幅图片厉，首先我 们要把目标l i 从复杂的拍摄背景中分离出来，这里我们采用的是图像裁剪技 术，通过这种技术，我们把日标叶片的复杂背景变成了纯黑色的简单背景。然 后，通过对图片r 、g 、b 三个通道的比较，发现在蓝色通道下病斑部位与叶片 正常部位的对比最为明显，病斑显示最为清晰，所咀我们选择蓝色通道。最后 比较了均值滤波器和c p 值滤波器对病害叶片图像的滤波效果发现中值滤波器 不但能很好的去除噪声，而且还保持了病斑边缘的清晰，为后面的病斑形状特 征提取奠定了良好的基础。 第3 章黄瓜瘸害图像分割 第3 章黄瓜病害图像分割 图像中的物体，除了在边界表现出不连续性之外，在物体区域内部，也具 有某种同一性。例如，灰度值同一或纹理同一。根据这种同一性，把一幅图像 划分为若干个子区域，每一个子区域对应于某一物体的某一部分，这就是基于 区域的图像分割。区域分割往往是区域分析的第一步，也是比较重要的一步。 区域常常是一种比较好的图像中层的符号描述，它可以成为目标或景物模型化 及高层图像理解的基础。 图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领 域之一，它是对图像进行视觉分析和模式识别的基本前提，同时它也是一个经 典难题。作为图像分析与模式识别系统的重要组成部分，图像分割的正确与否 直接影响图像分析与处理的结果，进而影响最终对图像的理解。到目前为止， 既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标 准，所以，要根据图像的具体特点选择合适的分割方法( 王晓峰，2 0 0 5 ) 1 4 。 在第二章中，我们已经得到了去除复杂背景的病斑叶片图像，并对其进行 了中值滤波和通道分离，最后选取蓝色通道的图像作为研究对象。本章的任务 就是在去除了复杂背景的病斑叶片图像的基础上，再将病斑与背景叶片进行分 离，以得到仅含有病斑的图像，这样才能对病斑进行后续的颜色、纹理和形状 的特征提取。 3 1 阈值分割 图像分割是在给定的均匀性测度度量之下，将表示该图像的二维像素集合 分成若干非空子集，那么，选什么作为均匀性测度呢? 这依赖于待分割图像的 具体情况，主要取自各种图像特征。例如像素的灰度值，彩色图像或多光谱图 像像素的各分量值；像素邻域的统计特性、纹理特性都是图像的特征，待分割 图像的各种先验知识，有时也可以描述成有意义的特征值。图像分割时不一定 只选一种特征构成均匀性测度，可以选择多个特征，形成特征向量。当然构成 均匀性测度的特征不是越多越好，而是以能正确分割又比较简单来选取的。 最简单的情况是只考虑单个特征，而且常用像素对灰度值作为测度。简单 的取阈值法( 门限技术) 就是以图像直方图为依据，选定阈值，再逐个对像素 做判决。该方法逐一处理各像素，并不涉及一个像素以外的其它像素或其邻域 中的像素。 假设要把图像分成n 类子区域，可设定n 1 个阈值t 。，k = l ，2 ，n l ， 第1 音黄匾痫害划馋分割 井用f 式给各像素席杯上类号、陈芋住z u u 4j 2 ； j t 3 2 ( 4 1 3 ) ( 4 1 4 ) 第4 章黄呱病害图像模式识；l j ( 4 ) 链码所围区域的离心率 一个区域的离心率是该区域的长轴与短轴长度之比。 ( 5 ) 形状参数是病斑面积和其周长的计算值： f 。肌f a c t 。r = 丽葫4 n x s ( 4 1 5 ) 用来描述物体接近于圆的程度，如果为圆形，其形状因素为1 ，其余形状 参数均小于l 。 ( 6 ) 离散指数描述区域单位面积的周长大小： ( p e r i m e t e r ) 2 e = 一 s ( 7 ) 紧密度： 娜咖一影 ( 8 ) 球状比是内切圆半径与外切圆半径的比值。 ( 9 ) 广度： 广度2 盂面赢磊s 忑面而石 m i nd i a m e t e r 是最小弦，表示与最大弦垂直的一个线段， 的长度形成的矩形恰能将整个区域围住。 ( 1 0 ) 内切圆半径： 4 4 本章小结 ( 4 1 6 ) ( 4 1 7 ) ( 4 1 8 ) 其长度与最大弦 ( 4 1 9 ) 本章对黄瓜病害叶片图像的特征提取进行了全面的讨论，详细介绍了本文 提取的2 3 项特征以及它们的计算方法。 首先介绍了颜色特征，包括两个重要的色度系统已经常用的颜色特征，并 第4 章黄瓜病害图像模式识别 对霜霉病、褐斑病和角斑病的r 、g 、b 值以及h 、i 、s 值通过实验进, i 亍- t 分 析比较。然后是纹理特征，介绍了传统的纹理分析特征以及常用的纹理特征。 最后讨论的常用的形状特征以及本文中构造的形状特征参数。 本文中构造的2 3 项特