張晴晴 齊國紅 +張?jiān)讫?/p>
摘要:傳統(tǒng)的標(biāo)記分水嶺算法在作物病斑分割過程中存在偽標(biāo)記,會(huì)造成過分割,本研究在傳統(tǒng)的標(biāo)記分水嶺算法基礎(chǔ)上提出了一種改進(jìn)的標(biāo)記分水嶺分割算法。該算法首先采用形態(tài)學(xué)進(jìn)行預(yù)處理,建立形態(tài)學(xué)梯度,并對(duì)梯度圖像進(jìn)行開閉重建。然后對(duì)重建的梯度圖像進(jìn)行前景標(biāo)記,并利用病斑和正常葉片的顏色差異對(duì)前景標(biāo)記中的偽標(biāo)記進(jìn)行濾除,對(duì)修改后的前景二值化圖像進(jìn)行距離變換和分水嶺完成背景標(biāo)記。最后用強(qiáng)制極小值技術(shù)進(jìn)行梯度修正,并用分水嶺算法對(duì)其進(jìn)行分割。對(duì)多幅作物葉片進(jìn)行分割試驗(yàn),并對(duì)比不同分水嶺的分割效果,結(jié)果表明該方法得到的區(qū)域數(shù)最少,能有效提取黃瓜葉片病斑,并且抑制過分割。
關(guān)鍵詞:作物;病害;偽標(biāo)記;形態(tài)學(xué)梯度;開閉重建;改進(jìn)標(biāo)記分水嶺
中圖分類號(hào): TP391.41文獻(xiàn)標(biāo)志碼: A文章編號(hào):1002-1302(2015)02-0400-03
收稿日期:2014-03-28
基金項(xiàng)目:國家自然科學(xué)基金(編號(hào):61272333);河南省鄭州市科技攻關(guān)計(jì)劃(編號(hào):131PPTGG426);鄭州大學(xué)引進(jìn)人才項(xiàng)目(編號(hào):2012YJRC01、2012YJRC02)。
作者簡介:張晴晴(1988—),女,河南三門峽人,碩士研究生,主要從事信號(hào)與信息處理研究。E-mail:773764630@qq.com。在農(nóng)作物生產(chǎn)過程中,作物病害直接影響作物品質(zhì)和產(chǎn)量。作物病害診斷是其防治的基礎(chǔ),對(duì)農(nóng)作物產(chǎn)量提高有現(xiàn)實(shí)意義[1-2]。近年來,將計(jì)算機(jī)技術(shù)應(yīng)用于作物病害診斷中,不僅實(shí)現(xiàn)了對(duì)農(nóng)作物病害的無損檢測(cè),而且提高了作物病害診斷的精度和速度[3-5]。在基于病害葉片的農(nóng)作物病害識(shí)別研究過程中,通常須要將病害目標(biāo)從圖像中提取出來,即進(jìn)行圖像分割,病害圖像分割的好壞對(duì)病害識(shí)別的成敗起著決定性作用[6]。因此,高效準(zhǔn)確地提取出作物病害葉片上病斑十分必要。劉志華等利用雙峰法從背景中分割出目標(biāo)葉片,并用最大類間方差法(OTSU)將正常葉片與病斑部位分割開來[7]。Meunkaewjinda等利用優(yōu)化遺傳算法對(duì)病害葉片進(jìn)行了分割[8]。Camargoa等對(duì)采集到的RGB病害圖像進(jìn)行了顏色系統(tǒng)轉(zhuǎn)換,在不同顏色系統(tǒng)中提取了病斑圖像的顏色特征,利用局部優(yōu)化閾值方法對(duì)病斑進(jìn)行了分割[9]。袁媛等針對(duì)具有復(fù)雜背景的作物病害葉片提取,提出了一種基于先驗(yàn)信息的水平集模型[10]。毛罕平等采用模糊C均值的聚類對(duì)棉花病害圖像進(jìn)行自適應(yīng)分割[11]。劉芝京將圖像由RGB顏色空間轉(zhuǎn)換為YCbCr空間,通過色彩聚類建立病斑聚類模型,達(dá)到對(duì)病斑分割的目的[12]。這些分割方法均能達(dá)到很好的分割效果,同時(shí)也存在很多問題,如閾值分割只考慮像素本身的灰度值,一般不考慮空間特征,因而對(duì)噪聲很敏感。水平集模型在分割精度上有提高,但分割速度并未得到改善。聚類算法和遺傳算法在分割過程中須要設(shè)置許多復(fù)雜參數(shù),易造成分割結(jié)果因參數(shù)變化而不穩(wěn)定[13-14]。分水嶺分割算法因計(jì)算速度快、定位精確、目標(biāo)圖像輪廓線封閉以及對(duì)圖像像素變化高度敏感等優(yōu)點(diǎn),得到較多關(guān)注。傳統(tǒng)的分水嶺算法是一種基于拓?fù)浣Y(jié)構(gòu)理論的數(shù)學(xué)形態(tài)學(xué)分割算法[15-17],其本質(zhì)上是從圖像的局部極小值開始進(jìn)行增長的一種區(qū)域增長算法。由于作物葉片圖像的暗紋理和噪聲影響,圖像中會(huì)存在大量偽極小值,從而產(chǎn)生相應(yīng)偽積水盆地,因此直接運(yùn)用分水嶺算法進(jìn)行葉片圖像分割會(huì)產(chǎn)生過分割現(xiàn)象。為了有效抑制過分割現(xiàn)象,可以在使用分水嶺算法之前對(duì)葉片圖像進(jìn)行濾波預(yù)處理和標(biāo)記提取[18-19]。本研究針對(duì)作物病害葉片病斑特點(diǎn),在標(biāo)記分水嶺的基礎(chǔ)上提出了一種改進(jìn)的標(biāo)記分水嶺分割算法,通過對(duì)前景目標(biāo)和背景目標(biāo)進(jìn)行有效標(biāo)記,以期達(dá)到很好的分割效果。
1材料與方法
1.1預(yù)處理
1.1.1形態(tài)學(xué)濾波形態(tài)學(xué)濾波器是一種非線性的濾波器,其優(yōu)點(diǎn)是可以選擇不同的結(jié)構(gòu)元素來消除或抑制噪聲及不需要的結(jié)構(gòu)或目標(biāo)。開運(yùn)算可消除圖像中孤立和過亮的點(diǎn),閉運(yùn)算可將顏色比背景暗且尺寸比結(jié)構(gòu)元素小的結(jié)構(gòu)濾除,因此常采用開閉運(yùn)算進(jìn)行濾波預(yù)處理。
1.1.2梯度圖像開閉重建形態(tài)學(xué)梯度[20]運(yùn)算具有非線性,被用于灰度圖像處理能夠使圖像中梯度較大的區(qū)域更加突出。采用形態(tài)學(xué)開閉重建運(yùn)算對(duì)梯度圖像進(jìn)行重建,目的是為了消除梯度圖像中由非規(guī)則灰度擾動(dòng)和噪聲引起的局部極值,保留重要的輪廓極值信息。形態(tài)學(xué)的開閉重建運(yùn)算建立在測(cè)地膨脹和測(cè)地腐蝕的基礎(chǔ)上,對(duì)于梯度圖像g(x,y)(以下用g表示)和參考圖像r(x,y)(以下用r表示),其形態(tài)學(xué)測(cè)地膨脹定義如下[21]:
形態(tài)學(xué)開閉重建運(yùn)算是先進(jìn)行開重建運(yùn)算、后進(jìn)行閉重建運(yùn)算的二次重建運(yùn)算,結(jié)合上述開閉重建運(yùn)算,形態(tài)學(xué)混合開閉重建運(yùn)算定義如下:1.2改進(jìn)的標(biāo)記分水嶺分割方法
形態(tài)學(xué)重建消除了初始梯度圖像中過多的區(qū)域極值和噪聲,準(zhǔn)確地進(jìn)行輪廓定位,減小了區(qū)域輪廓的位置偏移。為了更好地抑制過分割,須要在重建的梯度圖像上進(jìn)行標(biāo)記控制,使局部極小值只在標(biāo)記出現(xiàn)的地方產(chǎn)生[20-22]。標(biāo)記方法的選取直接影響最終的分割結(jié)果。標(biāo)記分為前景標(biāo)記和背景標(biāo)記,前景標(biāo)記是基于目標(biāo)對(duì)象,背景標(biāo)記為目標(biāo)對(duì)象以外的圖像。
1.2.1前景標(biāo)記提取由于在作物病害葉片中病斑和部分背景對(duì)比不明顯,使傳統(tǒng)標(biāo)記算法得到的結(jié)果中包含部分偽標(biāo)記??紤]到葉片病斑和正常部位之間存在較大的顏色差異,正常部位呈綠色,病斑部位呈黃色,因此可以根據(jù)色彩差異對(duì)偽標(biāo)記進(jìn)行過濾。和其他彩色模型相比,RGB彩色模型能更準(zhǔn)確識(shí)別正常部位和病斑部位。在RGB彩色模型中,病斑和正常部位的最大顏色差異在于紅色分量所占比例不同,病斑部位紅色分量的比例最大??梢圆捎萌缦路椒ㄟM(jìn)行偽標(biāo)記的濾除[23],設(shè)I(x,y)為原圖像,Igf(x,y)為初始前景標(biāo)記,對(duì)Igf(x,y)進(jìn)行如下修改:
1.2.2背景標(biāo)記提取背景標(biāo)記即除去目標(biāo)對(duì)象的部分,通常采用局部極小值法對(duì)背景進(jìn)行標(biāo)記。可以將上述前景標(biāo)記二值化圖像Igf進(jìn)行歐氏距離變換,然后對(duì)歐氏距離變換結(jié)果進(jìn)行分水嶺變換,得到的分水線即可作為背景標(biāo)記Igb。endprint
1.2.3強(qiáng)制極小值標(biāo)記的分水嶺在得到前景標(biāo)記和背景標(biāo)記之后,利用極小值標(biāo)定技術(shù),把前景標(biāo)記Igf和背景標(biāo)記Igb強(qiáng)制作為梯度圖像的局部極小值,得到修改的梯度圖像Igmark:
Igmark=IMMIN[g(rec)B,Igf|Igb]。(7)
綜上,利用改進(jìn)的分水嶺算法進(jìn)行作物病害葉片病斑的分割過程為:(1)對(duì)輸入的目標(biāo)圖像進(jìn)行形態(tài)學(xué)濾波、開閉重建等預(yù)處理;(2)對(duì)開閉重建的梯度圖像進(jìn)行前景標(biāo)記,并根據(jù)病斑和正常葉片的顏色差異對(duì)結(jié)果進(jìn)行偽標(biāo)記濾除;(3)對(duì)前景標(biāo)記得到的二值化圖像進(jìn)行距離變換,最后進(jìn)行分水嶺變換完成背景標(biāo)記;(4)采用強(qiáng)制極小值標(biāo)定技術(shù)基于前景和背景標(biāo)記的結(jié)果對(duì)梯度幅值修正,最后進(jìn)行分水嶺變換,即可得到理想的分割結(jié)果。
2結(jié)果與分析
以常見的黃瓜病害葉片圖像為例,設(shè)置圖像的分辨率大小為640×480,圖像文件格式為“.jpg”,采用主頻為 2.4 GHz、內(nèi)存為1 G的計(jì)算機(jī),在MATLAB 7.10軟件環(huán)境下對(duì)黃瓜病害圖像進(jìn)行仿真試驗(yàn)。
圖1-a為原彩色圖像,若直接對(duì)灰度圖像(圖1-b)分水嶺變換會(huì)產(chǎn)生嚴(yán)重的過分割現(xiàn)象(圖1-c)。為了抑制過分割現(xiàn)象,須要對(duì)灰度圖像進(jìn)行形態(tài)學(xué)預(yù)處理,消除部分噪聲且抑制不需要的結(jié)構(gòu)和目標(biāo)。預(yù)處理完成后建立形態(tài)學(xué)梯度(圖1-d),獲得亮度變化較強(qiáng)的圖像外圍邊緣。為了消除梯度圖像中由非規(guī)則灰度擾動(dòng)和噪聲引起的局部極值,保留重要的輪廓極值信息,在形態(tài)學(xué)梯度基礎(chǔ)上進(jìn)行開閉重建,由圖1-e可見,一些細(xì)密紋理被去除,圖像輪廓更為顯著。對(duì)基于重建的梯度圖像采用分水嶺變換得到分割結(jié)果,由圖1-f可見,該結(jié)果中仍存在過分割現(xiàn)象,分割結(jié)果中包含大量背景信息,但和圖1-c相比,過分割現(xiàn)象在很大程度上得到了改善。要想得到更好的分割效果,須要對(duì)傳統(tǒng)標(biāo)記算法進(jìn)行改進(jìn)。利用病斑和正常葉片的顏色差異,采用本研究中的改進(jìn)算法得到前景標(biāo)記(圖1-g),對(duì)前景標(biāo)記的二值化圖像進(jìn)行距離變換和分水嶺得到背景標(biāo)記(圖1-h)。對(duì)照?qǐng)D1-a可以看到,前景標(biāo)記精確地顯示了病斑信息,最后基于改進(jìn)的前景和背景標(biāo)記采用強(qiáng)制極小值標(biāo)記技術(shù)重新修正梯度圖像并作分水嶺變換,得到最終的分割結(jié)果(圖1-i),可以看到黃瓜葉片中的病斑被有效分割出來。
另取多片大小、形狀不同的黃瓜葉片采用本算法進(jìn)行分割,都取得了較好的效果。為了進(jìn)一步驗(yàn)證該算法分割的有效性,將本算法分割區(qū)域數(shù)量同直接對(duì)灰度圖像進(jìn)行分水嶺分割、對(duì)重建后的梯度圖像進(jìn)行分水嶺分割以及采用傳統(tǒng)標(biāo)記算法進(jìn)行分水嶺分割4種分水嶺算法得到的區(qū)域數(shù)量進(jìn)行了比較。由表1可見,直接對(duì)灰度圖像進(jìn)行標(biāo)記所得到的區(qū)域數(shù)量很多;進(jìn)行形態(tài)學(xué)濾波,梯度重建后的區(qū)域數(shù)明顯減少,說明形態(tài)學(xué)濾波和梯度重建的必要性;改進(jìn)后的標(biāo)記分水嶺算法的目標(biāo)區(qū)域數(shù)明顯少于改進(jìn)前的標(biāo)記分水嶺分割得到的區(qū)域數(shù)量。區(qū)域數(shù)量越少,過分割區(qū)域就越少,分割效果就越好。由圖1、表1可見,該算法能夠較好地分割黃瓜病斑并且能夠很好地抑制過分割。
3結(jié)論與討論
本研究根據(jù)正常葉片和病斑之間的色彩差異,基于傳統(tǒng)標(biāo)記分水嶺分割算法在植物病斑提取過程中對(duì)前景標(biāo)記中的
表1不同算法分割后的目標(biāo)區(qū)域數(shù)
圖像區(qū)域數(shù)量(個(gè))灰度分水嶺梯度重建分水嶺標(biāo)記分水嶺本研究算法黃瓜葉片115 8622 73656668黃瓜葉片211 8202 60215521黃瓜葉片31 77440238533
偽標(biāo)記進(jìn)行過濾,使求得的前景標(biāo)記更加準(zhǔn)確,從而有效抑制了偽標(biāo)記造成的過分割現(xiàn)象,試驗(yàn)結(jié)果表明改進(jìn)后的標(biāo)記分水嶺算法能夠很好地將病斑從葉片中分割出來。雖然本算法在農(nóng)作物病害葉片分割中得到了很好的效果,但針對(duì)復(fù)雜背景下的病害葉片,不能夠?qū)⑵錅?zhǔn)確分割。因此如何在復(fù)雜環(huán)境下對(duì)病斑進(jìn)行提取,須要進(jìn)一步研究。
參考文獻(xiàn):
[1]章秀福,王丹英,方福平,等. 中國糧食安全和水稻生產(chǎn)[J]. 農(nóng)業(yè)現(xiàn)代化研究,2005,26(2):85-88.
[2]馬成云,申宏波,馬淑梅,等. 黑龍江省水稻稻瘟病發(fā)生危害情況調(diào)查及防治建議[J]. 植物保護(hù),2006,32(5):95-97.
[3]鄒修國. 基于計(jì)算機(jī)視覺的農(nóng)作物病蟲害識(shí)別研究現(xiàn)狀[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用,2011,20(6):238-242.
[4]張飛云.基于提升小波和學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)的小麥病害圖像識(shí)別[J].江蘇農(nóng)業(yè)科學(xué),2013,41(5):103-106.
[5]張飛云.基于多重分形譜的小麥病害圖像特征提取方法[J].江蘇農(nóng)業(yè)科學(xué),2013,41(3):90-92.
[6]張曉萌,付燕. 圖像分割技術(shù)研究[J]. 科技情報(bào)開發(fā)與經(jīng)濟(jì),2007,17(18):183-184.
[7]劉志華,程鵬飛. 黃瓜侵染性病害圖像處理及特征值提取方法的研究[J]. 山西農(nóng)業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2006,26(4):351-354.
[8]Meunkaewjinda A,Kumsawat P,Attakitmongcol K,et al. Grape leaf disease detection from color imagery using hybrid intelligent system[C]//ECTI-CON 2008:Proceedings of the 2008 5th international conference on electrical engineering/electronics,computer,telecommunications and information technology.IEEE Press,2008:513-516.
[9] Camargoa A,Smith J S. An image-processing based algorithm to automatically identify plant disease visual symptoms[J]. Biosystems Engineering,2009,102(1):9-21.endprint
[10]袁媛,李淼,梁青,等. 基于水平集的作物病葉圖像分割方法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2011,27(2):208-212.
[11]毛罕平,張艷誠,胡波. 基于模糊C均值聚類的作物病害葉片圖像分割方法研究[J]. 農(nóng)業(yè)工程學(xué)報(bào),2008,24(9):136-140.
[12]劉芝京. 基于圖像處理的黃瓜細(xì)菌性角斑病的識(shí)別研究[D]. 成都:西華大學(xué),2012:4-8.
[13]翟燕慧. 圖像分割常用算法優(yōu)缺點(diǎn)探析[J]. 探索研究,2010,3(2):57-58.
[14]徐奕奕,劉智琦,劉琦. 基于改進(jìn)的分水嶺算法圖像分割方法研究[J]. 計(jì)算機(jī)仿真,2011,28(9):272-274.
[15]張毅. 分水嶺算法在圖像分割中的應(yīng)用研究[D]. 廣州:廣東工業(yè)大學(xué),2013:18-30.
[16] Gonzales R C. 數(shù)字圖像處理:MATLAB版[M]. 3版.阮秋琦,譯.北京:電子工業(yè)出版社,2005:315-320.
[17]Ji Q H,Shi R G. A novel method of image segmentation using watershed transformation[C]//Conference on Computer Science and Network Technology. Harbin:Harbin Normal University,2011:1590-1594.
[18]陳林林,楊晨,李敏娟,等. 基于形態(tài)學(xué)梯度重建的分水嶺算法改進(jìn)研究[J]. 中國印刷與包裝研究,2013,5(4):112-118.
[19]Young N,Evans A N. Median centered difference gradient operator and its application in watershed segmentation[J]. Electronics Letters,2011,47(3):178-180.
[20]姬寶金,呂建平. 基于梯度重建與形態(tài)學(xué)分水嶺算法的圖像分割[J]. 通信技術(shù),2009,42(5):98-99,102.
[21]葛世國,王茂芝,劉娟娟,等. 基于標(biāo)記的改進(jìn)分水嶺分割算法[J]. 四川理工學(xué)院學(xué)報(bào):自然科學(xué)版,2013,26(2):57-61.
[22]陳潔,胡永,劉澤國. 基于標(biāo)記的分水嶺圖像分割算法研究[J]. 軟件,2012,33(9):115-117.
[23]任玉剛,張建,李淼,等. 基于分水嶺算法的作物病害葉片圖像分割方法[J]. 計(jì)算機(jī)應(yīng)用,2012,32(3):752-755.李久林,高亮,劉君,等. 基于二維碼的蔬菜溯源信息管理平臺(tái)的設(shè)計(jì)[J]. 江蘇農(nóng)業(yè)科學(xué),2015,43(2):403-405.endprint