安琪

摘要：在復(fù)雜的背景下有效分割出黃瓜病害是解決黃瓜病害防治的關(guān)鍵問(wèn)題。目前，基于病害葉片圖像的病害檢測(cè)方法很多，但各種方法各有優(yōu)缺點(diǎn)。針對(duì)黃瓜常見(jiàn)的白粉病、炭疽病、根腐病3種病害葉片，對(duì)現(xiàn)有的分割方法進(jìn)行對(duì)比分析，選擇效果較好的FCM算法，首先利用病害葉片圖像的H和S顏色分量對(duì)圖像進(jìn)行顏色聚類，然后利用FCM算法進(jìn)行病害檢測(cè)，最后以開閉交替運(yùn)算去除毛刺達(dá)到平滑目標(biāo)輪廓的效果，最后試驗(yàn)結(jié)果表明，所提出的病害檢測(cè)方法是有效可行的。

關(guān)鍵詞：病葉圖像? 病斑分割? 病葉圖像分割

1 引言

黃瓜是我國(guó)各地夏季主要栽種的蔬菜之一，黃瓜病害是影響黃瓜產(chǎn)量的重要因素之一，為了提高黃瓜的品質(zhì)，對(duì)其病害及時(shí)進(jìn)行防治，需要對(duì)其病害類型進(jìn)行快速又準(zhǔn)確的診斷。植物葉片是反應(yīng)其受害的主要部分，根據(jù)黃瓜葉片的病變情況可以直觀的判斷出病害發(fā)生程度，便于進(jìn)行防治。隨著近幾年各種算法的完善，以識(shí)別技術(shù)，視覺(jué)技術(shù)搭配圖像處理方法為核心的病變?nèi)~片提取方法的研究開始被不斷提出。

對(duì)于病斑圖像分割的方法有很多，但大多數(shù)僅用于對(duì)某一類或某幾類圖像進(jìn)行分割，例如聚類算法、K-Means、自適應(yīng)算法等，但并沒(méi)有一個(gè)直觀點(diǎn)的對(duì)比分析，基于這種狀況，本文在傳統(tǒng)期望最大化的基礎(chǔ)上將這幾種方法用于黃瓜葉部病斑分割上并進(jìn)行了對(duì)比分析，并在此基礎(chǔ)上提出一種新的分割方法，為黃瓜葉部病害檢測(cè)與識(shí)別系統(tǒng)提供有力的技術(shù)支持，同時(shí)也對(duì)其他植物的病害圖像分割具有一定的參考價(jià)值。

2 病斑圖像的特征選擇

在圖像分割中常用的顏色空間模型主要有RGB、HSV和HSI。由于H和S分量跟人體感受顏色的方法密切相關(guān)，所以研究選擇與人眼視覺(jué)更相符合的HSI顏色空間模型。

RGB顏色模型轉(zhuǎn)換到HSI顏色模型的公式如下：

在HSI顏色空間模型中，病斑區(qū)域所包含的顏色信息都存在于H、S分量中。從病斑的H和S兩個(gè)顏色分量中可以看出病斑區(qū)域與正常區(qū)域有著明顯差異，表明在HSI顏色模型中進(jìn)行病斑區(qū)域分割可以取得較好的效果。

3 實(shí)驗(yàn)與分析

在MATLAB2017b平臺(tái)上，選取黃瓜常見(jiàn)的3種病害（白粉病、炭疽病、根腐?。﹫D像（圖1-a）作為試驗(yàn)對(duì)象。通過(guò)FCM模糊聚類算法（圖1-b）、Otsu方法（圖1-c）、K均值聚類算法（圖1-d）、以及閾值分割法（圖1-e）來(lái)分割，并觀察分割結(jié)果。

然后另選一組圖片先將原始圖像轉(zhuǎn)換成HSI模型，通過(guò)H（圖2-b）和S（圖2-c）分量對(duì)圖像來(lái)進(jìn)行聚類。然后用FCM（圖2-d）進(jìn)行分割，最后采用開閉交替運(yùn)算（圖2-e）對(duì)毛刺以及孤立的點(diǎn)進(jìn)行去除以達(dá)到平滑目標(biāo)輪廓的效果。

由表1可知，F(xiàn)CM算法分割精度高，經(jīng)過(guò)本文算法處理后的精度更高一點(diǎn)，表明本文算法對(duì)黃瓜病害葉片圖像的分割效果較好。

4 結(jié)論與討論

本文基于傳統(tǒng)期望最大化對(duì)幾種分割方法進(jìn)行過(guò)對(duì)比分析，試驗(yàn)結(jié)果表明，K均值聚類算法由于選取的初始聚類中心是隨機(jī)的，可能導(dǎo)致分割過(guò)程占用過(guò)程時(shí)間。Otsu分割僅針對(duì)單個(gè)目標(biāo)或者感興趣的目標(biāo)進(jìn)行分割，當(dāng)待分割圖像的灰度范圍偏大時(shí)，會(huì)有一部分目標(biāo)探測(cè)損失。相比較而言，使用FCM算法進(jìn)行分割，再通過(guò)開閉交替運(yùn)算減少噪聲對(duì)聚類結(jié)果的影響的方法，在黃瓜病害葉片圖像分割中具有較高的準(zhǔn)確性和穩(wěn)定性。

參考文獻(xiàn)

[1]蘇一峰，杜克明，李穎，孫忠富，鄭飛翔.基于物聯(lián)網(wǎng)平臺(tái)的小麥病害診斷系統(tǒng)設(shè)計(jì)初探[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2016，18（02）：86-94.

[2]施文，鄒銳標(biāo)，王訪，蘇樂(lè).基于多重分形的油菜病害葉片圖像分割[J].湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，40（05）：556-560.