郭昊楠 趙 平*

（天津農(nóng)學(xué)院，天津300800）

1 概述

1.1 研究背景與現(xiàn)狀。在目前的技術(shù)發(fā)展中，國(guó)內(nèi)外的人工智能以及自動(dòng)識(shí)別技術(shù)已經(jīng)發(fā)展的非常迅速，依賴(lài)于移動(dòng)APP平臺(tái)所實(shí)現(xiàn)的識(shí)別程序也越來(lái)越多，圖像處理技術(shù)也越來(lái)越得到人們的重視，尤其是在農(nóng)業(yè)領(lǐng)域，對(duì)于菌類(lèi)的識(shí)別更是如此。因此，如同人臉識(shí)別技術(shù)的發(fā)展一樣，對(duì)于識(shí)別菌類(lèi)來(lái)說(shuō)，做到可以準(zhǔn)確識(shí)別并區(qū)分不同菌類(lèi)是目前為止具有挑戰(zhàn)性的實(shí)踐。

在對(duì)圖像識(shí)別上的研究中，中國(guó)農(nóng)業(yè)大學(xué)于新文教授取得了較為顯著的進(jìn)步，他主要采用了相似距離分類(lèi)法以及二差分類(lèi)法，再加上他所使用的判別模型分類(lèi)法，他將這三類(lèi)方法相結(jié)合，在對(duì)相關(guān)數(shù)字圖像的識(shí)別進(jìn)行研究的同時(shí)，也對(duì)所識(shí)別的圖像有了非常高的精確度[1]。

1.2 研究過(guò)程。所謂圖像識(shí)別技術(shù)，就是以圖像本質(zhì)為基礎(chǔ)，利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理分析和整合理解。首先對(duì)圖像進(jìn)行預(yù)處理，利用不同的處理方法（灰度化處理以及平滑處理）處理菌類(lèi)圖像；其次根據(jù)圖像的質(zhì)量以及針對(duì)性的去噪，以達(dá)到對(duì)基于閾值的圖像分割的目的[1]；最后利用分類(lèi)和提取出圖像的重要特征，采用其圖像具有的代表性特征來(lái)識(shí)別它本身所具有的作為匹配的指標(biāo)項(xiàng)，然后將各個(gè)指標(biāo)值進(jìn)行對(duì)比，通過(guò)Sift 算法進(jìn)行特征匹配，確定指定范圍內(nèi)的識(shí)別種類(lèi)。

2 圖像的預(yù)處理

2.1 圖像的灰度化處理。對(duì)圖像的顏色進(jìn)去處理后，圖像丟失顏色，保留下了其它方面信息的過(guò)程就是圖像灰度化處理?；叶然幚砗蟮膱D像中，去除了其本身所具有的一些顏色信息，因此便能減少在圖像處理過(guò)程中所包含的計(jì)算量，從而大大的提高圖像的處理效率。[2]

2.2 圖像的平滑處理。從信號(hào)處理的角度看圖像的平滑處理就是去除其中的高頻信息,保留低頻信息，它是一種能夠極大改善圖像質(zhì)量的一種圖像預(yù)處理的方法，在圖像經(jīng)過(guò)平滑處理后，其會(huì)增強(qiáng)本身圖像中的主要特征，進(jìn)而最后減弱圖像噪聲和失真對(duì)圖像的影響，最終使圖像亮度平緩[3]。

2.3 基于閾值的圖像分割。將圖像劃分成特定的和獨(dú)特的各個(gè)區(qū)域，提取出識(shí)別系統(tǒng)所需要的目標(biāo)和過(guò)程就是圖像分割，它是圖像分析中的關(guān)鍵步驟之一。對(duì)于菌類(lèi)識(shí)別的圖像分割方法，選擇基于閾值分割圖像的方法更為合適，原因在于其更能處理較小的圖像，處理速度簡(jiǎn)單快捷。

經(jīng)過(guò)分割處理后的圖像，不僅能夠減少除本目標(biāo)之外的圖像干擾，還突出了所抽取的特征目標(biāo)區(qū)域，提高了識(shí)別系統(tǒng)對(duì)圖像的處理效率。圖像分割的地位不能忽視，它會(huì)直接作用在圖像的后續(xù)處理和分析識(shí)別上，所以圖像分割在圖像識(shí)別過(guò)程中起著至關(guān)重要的作用[3]。

基于閾值的圖像分割法最重要的一點(diǎn)是閾值的選擇，它需要根據(jù)具體問(wèn)題來(lái)確定[2]。對(duì)于給定的圖像，可以通過(guò)分析直方圖的方法確定最佳的閾值，當(dāng)直方圖明顯呈現(xiàn)雙峰情況時(shí)，可以選擇兩個(gè)峰值的中點(diǎn)作為最佳閾值。也可以把圖像分成n*n塊子圖，取每一塊子圖的灰度均值，即為均值閾值法，其中子圖越多分割效果越好，但效率可能會(huì)變慢[3]。

3 菌類(lèi)特征匹配

3.1 特征抽取與選擇。在進(jìn)行菌類(lèi)特征匹配之前，首先需要對(duì)不同菌類(lèi)的各種特征項(xiàng)進(jìn)行抽取篩選，選擇出便于后續(xù)匹配的特征，在模式識(shí)別過(guò)程中，特征抽取是圖像識(shí)別的重要步驟之一，從大量的菌類(lèi)原始數(shù)據(jù)中找出最能代表其種類(lèi)的少量特征，以便于進(jìn)行分類(lèi)和識(shí)別[4]。

降維是特征抽取的本質(zhì)，同時(shí)還不能丟失模式的分類(lèi)信息，在研究過(guò)程中采取了主成分分析（PCA）的方法，對(duì)菌類(lèi)種類(lèi)所具有的特征進(jìn)行分組降維，選擇出符合代表性的特征，利用SPSS 工具分別對(duì)不同種類(lèi)的菌類(lèi)進(jìn)行了主成分分析的步驟，最終抽取出每個(gè)菌類(lèi)對(duì)應(yīng)的其代表性特征，總括如下：菌類(lèi)的形狀，菌類(lèi)的大小，菌類(lèi)的紋理等幾種主成分分析中輸出結(jié)果貢獻(xiàn)率高于90%的特征點(diǎn)組，因此在進(jìn)行匹配特征時(shí)，就采用這幾種特征值來(lái)進(jìn)行Sift 算法操作。

3.2 Sift 匹配算法。Sift 算法又稱(chēng)尺度不變特征轉(zhuǎn)換，它是一種電腦視覺(jué)的算法，用來(lái)偵測(cè)與描述圖像中的局部性特征，并在空間尺度中尋找到對(duì)應(yīng)的極值點(diǎn)，然后對(duì)其提取出位置、尺度、旋轉(zhuǎn)不變量等。選擇Sift 算法的原因在于：

該算法具有較好的穩(wěn)定性和不變性，能在一定程度上不受視角變化、仿射變換以及圖像噪聲的干擾；區(qū)分性好，多量性，能產(chǎn)生大量特征向量；高速性，能夠?qū)μ卣飨蛄靠焖龠M(jìn)行匹配；可擴(kuò)展性，能夠聯(lián)合其它形式的特征向量[5]。

Sift 算法步驟分為：提取關(guān)鍵點(diǎn)、定位關(guān)鍵點(diǎn)、確定特征方向、通過(guò)各關(guān)鍵點(diǎn)的特征向量，進(jìn)行兩兩比較找出相互匹配的若干對(duì)特征點(diǎn)，建立之間的對(duì)應(yīng)關(guān)系[6]。算法實(shí)質(zhì)如圖所示。

其中對(duì)特征點(diǎn)的檢測(cè)以及描述過(guò)程就是Sift 算法所計(jì)算的過(guò)程，在對(duì)菌類(lèi)的特征組進(jìn)行檢測(cè)之后，計(jì)算機(jī)中進(jìn)行描述把其中的特征點(diǎn)集與數(shù)據(jù)庫(kù)中所存儲(chǔ)的原圖像中的特征點(diǎn)集進(jìn)行對(duì)比匹配，在相應(yīng)的關(guān)鍵點(diǎn)的對(duì)比下，分離出相像的特征點(diǎn)，由此得出對(duì)應(yīng)的特征向量，最終在原圖像與目標(biāo)圖像匹配的高度相似的特征點(diǎn)進(jìn)行收集矯正，但是由于Sift 算法的速度較慢、數(shù)據(jù)復(fù)雜、耗時(shí)長(zhǎng)，以及對(duì)邊緣光滑的目標(biāo)無(wú)法準(zhǔn)確提取特征點(diǎn)的弊端，導(dǎo)致最后只能初步實(shí)現(xiàn)對(duì)不同菌類(lèi)的粗略識(shí)別[6]。

4 結(jié)論

在以上的研究過(guò)程中，重點(diǎn)的研究了圖像預(yù)處理過(guò)程以及匹配特征兩大方面，采用了灰度化處理、平滑處理、閾值分割等比較常見(jiàn)而且實(shí)用的預(yù)處理方法，在對(duì)菌類(lèi)識(shí)別的過(guò)程中不斷更新著這些預(yù)處理方法。

對(duì)匹配特征值Sift 算法進(jìn)行深層次分析，利用Sift 算法的優(yōu)勢(shì)對(duì)菌類(lèi)目標(biāo)圖像的特征點(diǎn)與原圖像的特征點(diǎn)進(jìn)行比較，并通過(guò)不斷改進(jìn)這種算法中的關(guān)鍵點(diǎn)對(duì)比來(lái)進(jìn)行最終的菌類(lèi)識(shí)別。

圖像處理是當(dāng)今應(yīng)用領(lǐng)域非常廣泛的一門(mén)技術(shù)，對(duì)圖像的各種處理及識(shí)別需要更多的知識(shí)與時(shí)間來(lái)研究學(xué)習(xí)，才能掌握基于圖像處理技術(shù)的菌類(lèi)識(shí)別方法，在對(duì)識(shí)別過(guò)程中的圖像預(yù)處理、圖像分割、圖像增強(qiáng)、匹配特征，以及最后實(shí)現(xiàn)成功識(shí)別不同菌類(lèi)的功能，仍然需要改進(jìn)，將識(shí)別的過(guò)程以及結(jié)果更加準(zhǔn)確化，才能更好的對(duì)所需要識(shí)別的圖像進(jìn)行分析研究。