中南林業(yè)科技大學(xué)計(jì)算機(jī)與信息科學(xué)學(xué)院 余紹軍 李 虹 謝林波 胡 俊

基于油茶毛蟲(chóng)圖像的特征提取

中南林業(yè)科技大學(xué)計(jì)算機(jī)與信息科學(xué)學(xué)院 余紹軍 李 虹 謝林波 胡 俊

油茶是我國(guó)華中地區(qū)重要的經(jīng)濟(jì)作物，果實(shí)產(chǎn)量受蟲(chóng)害影響較嚴(yán)重，其中油茶毛蟲(chóng)的危害最大。本文首先對(duì)基于圖像的昆蟲(chóng)特征提取的主要方法進(jìn)行綜述，然后將搜集到的油茶毛蟲(chóng)生態(tài)學(xué)、形態(tài)學(xué)、生物學(xué)等特點(diǎn)作為理論依據(jù)，最終提出具有針對(duì)性的特征提取方法。本文為解決油茶害蟲(chóng)圖像區(qū)域分割以及模式分類(lèi)等關(guān)鍵問(wèn)題提供基礎(chǔ)數(shù)據(jù)。

圖像處理；油茶毛蟲(chóng)；特征提取

油茶作為世界四大木本食用油料植物之一，具有很高的綜合利用價(jià)值，但產(chǎn)量卻不高。其中，由害蟲(chóng)造成的落花落果是影響我國(guó)油茶產(chǎn)量的重要因素。在眾多種類(lèi)的害蟲(chóng)當(dāng)中，油茶毒蛾（Euproctis Pseudoconspersa Strand）是華中地區(qū)最為常見(jiàn)的油茶害蟲(chóng)，其幼蟲(chóng)被稱(chēng)為油茶毛蟲(chóng)、茶辣子、毛辣蟲(chóng)，以油茶葉為食，群集為害。

近年來(lái)，現(xiàn)代農(nóng)業(yè)漸漸向著計(jì)算機(jī)化、數(shù)字化以及人工智能化的方向邁進(jìn)，這就使實(shí)現(xiàn)油茶害蟲(chóng)的自動(dòng)識(shí)別和計(jì)數(shù)變成可能。圖像特征提取就是將圖像的視覺(jué)特征進(jìn)行數(shù)字化，是實(shí)現(xiàn)昆蟲(chóng)圖像自動(dòng)識(shí)別和計(jì)數(shù)的基礎(chǔ)。本文將以油茶毛蟲(chóng)作為研究對(duì)象，從生態(tài)學(xué)、形態(tài)學(xué)、生物學(xué)等角度出發(fā)，分析國(guó)內(nèi)外針對(duì)類(lèi)似昆蟲(chóng)特征提取的現(xiàn)有方法，為提取油茶害蟲(chóng)特征探索較為快捷、準(zhǔn)確的方法。

1.顏色特征

顏色特征是在圖像檢索中應(yīng)用最為廣泛的視覺(jué)特征，主要原因在于顏色往往和圖像中所包含的物體或場(chǎng)景十分相關(guān)。常用的顏色特征提取方法有顏色直方圖、顏色矩、顏色集、顏色聚合向量以及顏色相關(guān)圖等。利用顏色特征可以有效地識(shí)別顏色豐富、有明顯對(duì)比、生命周期內(nèi)顏色信息穩(wěn)定的昆蟲(chóng)。

1.1 現(xiàn)有昆蟲(chóng)顏色特征提取研究現(xiàn)狀

劉芳等利用R、G、B、L這4個(gè)顏色的一維直方圖，結(jié)合紅、綠兩種顏色和色度的二維直方圖來(lái)提取蝴蝶的顏色特征，通過(guò)對(duì)正反兩面的特征圖表數(shù)據(jù)的分析使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)蝴蝶的自動(dòng)識(shí)別。準(zhǔn)確率可達(dá)95.2%。但缺點(diǎn)在于不同顏色的蝴蝶可能也有類(lèi)似的特征統(tǒng)計(jì)數(shù)據(jù)，因此有必要結(jié)合顏色特征的空間位置來(lái)提高識(shí)別率。

1.2 油茶毛蟲(chóng)顏色特征提取研究

油茶毛蟲(chóng)頭部呈黃褐色，背線(xiàn)呈暗褐色，亞背線(xiàn)、氣門(mén)上線(xiàn)棕褐色接近黑色，密生黃白色長(zhǎng)毛。如圖1所示：

圖1 自然環(huán)境下油茶毛蟲(chóng)圖像

對(duì)油茶毛蟲(chóng)圖像顏色特征進(jìn)行提取，首先需將RGB圖像轉(zhuǎn)化為與人眼視覺(jué)相近的HIS空間模型，I分量與顏色無(wú)關(guān)，因此剔除I分量。根據(jù)觀(guān)察油茶毛蟲(chóng)的顏色，本文提取出紅、白、黃、黑這4個(gè)顏色的H值，通過(guò)多次試驗(yàn)得出每個(gè)顏色相應(yīng)的H值如表1所示。

選取這四種顏色之后，就對(duì)這四種顏色提取其5種形態(tài)特征，分別為面積、周長(zhǎng)、寬度、高度。經(jīng)過(guò)試驗(yàn)，各顏色的統(tǒng)計(jì)結(jié)果如表2所示。

其中，面積為顏色所對(duì)應(yīng)的像素點(diǎn)的個(gè)數(shù)；周長(zhǎng)為顏色對(duì)應(yīng)的邊緣的像素點(diǎn)的個(gè)數(shù)；寬度為顏色水平方向上對(duì)應(yīng)的像素點(diǎn)的個(gè)數(shù)；高度為顏色在垂直方向上對(duì)應(yīng)的像素點(diǎn)個(gè)數(shù)。

普遍來(lái)講顏色特征對(duì)于圖片視角、方向的、尺寸的依賴(lài)比較小，魯棒性比較高。但是單憑顏色特征是無(wú)法對(duì)油茶毛蟲(chóng)進(jìn)行識(shí)別的，首先油茶毛蟲(chóng)的圖片識(shí)別在野外環(huán)境拍攝會(huì)受到光照影響，其次油茶毛蟲(chóng)在不同的生長(zhǎng)環(huán)境、不同生長(zhǎng)期的顏色也會(huì)發(fā)生變化。因此，需要結(jié)合其他的特征來(lái)提高識(shí)別率。

表1 各種顏色對(duì)應(yīng)的H值范圍

表2 油茶毛蟲(chóng)顏色提取統(tǒng)計(jì)結(jié)果

表3 油茶毛蟲(chóng)顏色提取統(tǒng)計(jì)結(jié)果

2.紋理特征

紋理是指圖像中形狀較小、有規(guī)律排列的圖案，一幅圖像的紋理是在圖像計(jì)算中經(jīng)過(guò)量化的圖像特征。紋理特征描述圖像某一區(qū)域的表面性質(zhì)，是一種統(tǒng)計(jì)特征。圖像的紋理特征具有豐富性、穩(wěn)定性和旋轉(zhuǎn)不變性，對(duì)噪聲有較強(qiáng)的抵抗能力，更加有助于昆蟲(chóng)識(shí)別。

2.1 現(xiàn)有昆蟲(chóng)紋理特征提取研究現(xiàn)狀

關(guān)于昆蟲(chóng)的紋理特征提取，常見(jiàn)的方法為利用Gabor紋理特征描述子來(lái)進(jìn)行紋理特征提取，但是該方法結(jié)果參數(shù)會(huì)隨著角度的改變而改變，進(jìn)而影響最終識(shí)別效果。因此，有其他研究者提出一種與角度無(wú)關(guān)的AIGabor濾波器提取昆蟲(chóng)圖像的紋理特征，再用SVM算法對(duì)5種蝶類(lèi)進(jìn)行識(shí)別。將Gabor與AIGabor紋理提取結(jié)果進(jìn)行比較，結(jié)果表明AIGabor的昆蟲(chóng)識(shí)別算法可以克服圖像分辨率、光照等因素的影響，識(shí)別率更高。

2.2 油茶毛蟲(chóng)紋理特征提取研究

昆蟲(chóng)紋理提取的常用方法是以灰度級(jí)空間相關(guān)矩陣作為基礎(chǔ)共生矩陣。圖像中連續(xù)、共線(xiàn)、具有相同灰值的像素點(diǎn)個(gè)數(shù)稱(chēng)為圖像的游程長(zhǎng)度?；抑涤坞x矩陣是用來(lái)檢測(cè)圖像像素點(diǎn)在特定四個(gè)方向上灰值（1～8），游程長(zhǎng)度（1～256）為像素點(diǎn)串出現(xiàn)的次數(shù)，這里就使用灰值游離矩陣來(lái)對(duì)油茶毛蟲(chóng)的紋理特征進(jìn)行提取。

將油茶毛蟲(chóng)圖像提取0o、45o、90o、135o四個(gè)方向的短游程長(zhǎng)度L1、長(zhǎng)游程長(zhǎng)度L2、游程長(zhǎng)度的百分率P和灰度值的不均勻度量D，這些值都是可以直接反映線(xiàn)性紋理的情況。經(jīng)過(guò)對(duì)油茶毛蟲(chóng)三幅圖像進(jìn)行試驗(yàn)，結(jié)果如表3所示。

紋理只是物體的表面特性不能完全反映油茶毛蟲(chóng)的本質(zhì)屬性，只利用紋理特征也是無(wú)法獲得高層次圖像內(nèi)容的。顏色特征不同是基于像素點(diǎn)的特征，而紋理特征是對(duì)多個(gè)像素點(diǎn)的進(jìn)行統(tǒng)計(jì)計(jì)算，因此可證兩者具有離散性，在模式匹配中，這種區(qū)域性的特征具有較大的優(yōu)越性，不會(huì)由于局部的偏差而無(wú)法匹配成功。因此，可以結(jié)合使用來(lái)作為油茶毛蟲(chóng)圖像的識(shí)別基礎(chǔ)數(shù)據(jù)。

3.結(jié)語(yǔ)

油茶毛蟲(chóng)特征提取使用多特征綜合，這樣可以提高識(shí)別率，但是缺點(diǎn)在于簡(jiǎn)單將多種特征綜合在一起，紋理特征與顏色特征之間具有相關(guān)性，會(huì)影響計(jì)算機(jī)的處理速率。因此，還是需要使用優(yōu)化算法來(lái)實(shí)現(xiàn)特征有機(jī)融合，進(jìn)一步提高識(shí)別率和計(jì)算機(jī)處理速率。

[1]劉凌,澤桑梓,季梅.中國(guó)油茶林害蟲(chóng)和螨類(lèi)及其天敵研究綜述[J].西部林業(yè)科學(xué),2013,42(1):42-45.

[2]Liu F,Shen Z R,Zhang J W,Yang H Z.Automatic insects identification based on color characters.Chinese Bulletin Entomology,2008,45(1):150-153.(in Chinese)

[3]Qiu D Y,Zhang F Q,Zhang H T.Study on extracting agricultural pests’color features.Journal of North China Institute of Water Conservancy and Hydroelectric Power,2004,25(1):30-32.(in Chinese).

[4]Christophe Biernacki.Initializing EM using the properties of its trajectories in Gaussian mixtures[J].Statistics and Computing.2004(3).

[5]JUN T.A Color Image Segmentation algorithm Based on Region Growing.2010 2nd International Conference on Computer Engineering and Technology.2010.

[6]蔡清,何東健.基于圖像分析的蔬菜食葉害蟲(chóng)識(shí)別技術(shù)[J].計(jì)算機(jī)應(yīng)用,2010,30(7):1870-1872.

[7]Verma O P,Hanmandlu M,Susan S,et al.A simple single seededregion growing algorithm for color image segmentation using adap-tive thresholding.Proceedings of 2011 International Con-ference on Communication Systems and Network Technologies andComputer.2011.

[8]崔永杰,蘇帥,王霞霞.基于機(jī)器視覺(jué)的自然環(huán)境中獼猴桃識(shí)別與特征提取[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(5):247-252.