基于圖像處理技術(shù)作物病害診斷

1、基于圖像處理技術(shù)的作物病害診斷研究博博 士士 生：生： 袁袁 媛媛導(dǎo)導(dǎo) 師：師： 李李 淼淼 研究員研究員 研究背景研究背景研究?jī)?nèi)容研究?jī)?nèi)容現(xiàn)有成果現(xiàn)有成果下一步研究展望下一步研究展望目目 錄錄研究背景農(nóng)作物受到病蟲害侵染后，外觀形態(tài)和生理效應(yīng)均會(huì)發(fā)生一定變化。病害的癥狀絕大多數(shù)均會(huì)在農(nóng)作物的葉子上表現(xiàn)出來(lái)，出現(xiàn)病斑。目前國(guó)內(nèi)外研究主要采用圖像處理技術(shù)，光譜分析技術(shù)，以及多光譜和高光譜成像技術(shù)等進(jìn)行作物病蟲害快速檢測(cè)。常規(guī)檢測(cè)方法（顯微工具/肉眼）直接判別病蟲害的種類和程度，存在主觀性強(qiáng)、工作量大、覆蓋范圍窄、效率低、成本高等缺點(diǎn)，不適用于精準(zhǔn)農(nóng)業(yè)對(duì)作物病蟲害信息快速獲取的需要。農(nóng)作物病農(nóng)作物

2、病害識(shí)別害識(shí)別基基于于圖圖像像處處理理的的診診斷斷系系統(tǒng)統(tǒng)目標(biāo)識(shí)別特征提取圖像分割優(yōu)點(diǎn)：迅速、準(zhǔn)確、客觀。優(yōu)點(diǎn)：迅速、準(zhǔn)確、客觀。 農(nóng)民憑經(jīng)驗(yàn)、對(duì)照書農(nóng)民憑經(jīng)驗(yàn)、對(duì)照書籍、請(qǐng)教專家等籍、請(qǐng)教專家等基于規(guī)則的診斷基于規(guī)則的診斷專家系統(tǒng)專家系統(tǒng)缺點(diǎn)：具有主觀性，診斷結(jié)缺點(diǎn)：具有主觀性，診斷結(jié)果不準(zhǔn)確，造成濫施農(nóng)藥、果不準(zhǔn)確，造成濫施農(nóng)藥、環(huán)境污染等問(wèn)題。環(huán)境污染等問(wèn)題。 研究背景研究背景（續(xù)）近些年來(lái)，隨著數(shù)字圖像處理技術(shù)的迅速發(fā)展、計(jì)算機(jī)視覺(jué)技術(shù)的廣泛應(yīng)用和各種模式識(shí)別技術(shù)的日趨成熟，將計(jì)算機(jī)視覺(jué)技術(shù)引入作物病害防治領(lǐng)域，實(shí)現(xiàn)病害的自動(dòng)化診斷，為作物病害的無(wú)損檢測(cè)、快速診斷提供了新的途徑和方法。

3、 方便實(shí)時(shí)監(jiān)控作方便實(shí)時(shí)監(jiān)控作物的生長(zhǎng)情況物的生長(zhǎng)情況具有具有復(fù)雜復(fù)雜背景背景現(xiàn)有成果現(xiàn)有成果下一步研究展望下一步研究展望目目 錄錄研究背景研究背景研究?jī)?nèi)容研究?jī)?nèi)容研究?jī)?nèi)容研究?jī)?nèi)容研究?jī)?nèi)容下一步研究展望下一步研究展望目目 錄錄研究背景研究背景現(xiàn)有成果現(xiàn)有成果現(xiàn)有成果1 1、黃瓜病害診斷系統(tǒng)、黃瓜病害診斷系統(tǒng)系統(tǒng)的主要功能：系統(tǒng)的主要功能：對(duì)輸入的具有復(fù)雜背景的黃瓜病害圖像，進(jìn)行裁剪、填充、灰度化、中值濾波、閾值分割、輪廓提取、病斑提取等一系列處理，得到具有簡(jiǎn)單背景的病斑圖像，然后對(duì)該病斑圖像進(jìn)行顏色、紋理和形狀特征的提取，最后，利用徑向基核函數(shù)的SVM分類器對(duì)提取的特征向量進(jìn)行分類，最終得出該

4、病害的診斷結(jié)果?，F(xiàn)有成果1 1、黃瓜病害診斷系統(tǒng)（續(xù)）、黃瓜病害診斷系統(tǒng)（續(xù)）現(xiàn)有成果1 1、黃瓜病害診斷系統(tǒng)（續(xù)）、黃瓜病害診斷系統(tǒng)（續(xù)）以以VCVC作為開發(fā)工具，實(shí)現(xiàn)了對(duì)圖像中任意形狀邊界的封閉區(qū)域的裁剪，作為開發(fā)工具，實(shí)現(xiàn)了對(duì)圖像中任意形狀邊界的封閉區(qū)域的裁剪，做到了圖像中目標(biāo)區(qū)域與背景區(qū)域的成功分離。做到了圖像中目標(biāo)區(qū)域與背景區(qū)域的成功分離。針對(duì)具有復(fù)雜背景復(fù)雜背景的黃瓜病害圖像：Geng ying, Li Miao, Yuan Yuan, Hu Zelin. A Study on the Method of Image Pre-Processing for Recognition o

5、f Crop Diseases. International Conference on Advanced Computer Control, ICACC 2009,202206. （EI Compendex） 現(xiàn)有成果2 2、復(fù)雜背景條件下的作物病害圖像處理、復(fù)雜背景條件下的作物病害圖像處理實(shí)時(shí)監(jiān)控采集到的大多數(shù)作物病葉圖像都具有復(fù)雜背景，且其中存在與病斑混淆的因素（顏色、形狀、紋理等），可能導(dǎo)致獲取的信息不足以對(duì)目標(biāo)進(jìn)行正確的分割，或是為分割提供了錯(cuò)誤的信息。 復(fù)雜背景去除圖像采集標(biāo)準(zhǔn)化圖片編輯軟件圖像裁剪技術(shù)難以實(shí)現(xiàn)圖難以實(shí)現(xiàn)圖像自動(dòng)采集像自動(dòng)采集工作量大，工作量大，費(fèi)時(shí)費(fèi)力費(fèi)時(shí)費(fèi)力現(xiàn)有

6、成果2 2、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）解決方案解決方案1 1：提出基于先驗(yàn)信息（紋理和形狀）的水平集模型，以解決具有復(fù)雜背景的作物病葉圖像的自動(dòng)分割問(wèn)題。 Zhang Wei， Zhang Jian，etc. A New Level Set Method Of Image Segmentation Using Structure Tensor. The 2nd International Workshop on Intelligent Systems and Applications， ISA 2010，735-738.（EI, ISTP）袁

7、媛，李淼，梁青，等.基于水平集的作物病葉圖像分割方法研究J.農(nóng)業(yè)工程學(xué)報(bào)，2011，27（2）：208-212現(xiàn)有成果2 2、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）解決方案解決方案1 1：先驗(yàn)紋理信息模型：傳統(tǒng)的結(jié)構(gòu)張量沒(méi)有使用任何灰度信息，當(dāng)紋理目標(biāo)的灰度與背景存在差異的時(shí)候，灰度信息的加入將有助于分割速度和精度的提高。因此將灰度信息引入其中，構(gòu)建新的擴(kuò)展型結(jié)構(gòu)張量。在LBF模型中引入上述改進(jìn)的擴(kuò)展性結(jié)張量，使得其能夠分割紋理圖像。22121122( )( )( ,)( )( )STinside Coutside CET TT xT dxT xT dx

8、現(xiàn)有成果2 2、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）解決方案解決方案1 1：先驗(yàn)形狀信息模型：采用水平集方法表示目標(biāo)先驗(yàn)形狀：易于擴(kuò)展到高維情況，能夠很好地處理拓?fù)浣Y(jié)構(gòu)的變化，這種形狀表示方法與曲線演化的水平集模型相一致，可以很容易地融入到活動(dòng)輪廓模型中。形狀配準(zhǔn)：具有旋轉(zhuǎn)、平移、縮放變換的不變性22( )()( )2shapeHHEdxdy 是經(jīng)過(guò)配準(zhǔn)后訓(xùn)練集的平均形狀， 是形變自由度?，F(xiàn)有成果2 2、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）解決方案解決方案1 1：改進(jìn)后的水平集模型：其中， 是一個(gè)常數(shù)，用于調(diào)節(jié)

9、形狀先驗(yàn)?zāi)芰宽?xiàng)的權(quán)重。1212( )( ,)( )totalshapeEEffT TE0實(shí)驗(yàn)中我們使用了12幅不同角度拍攝的黃瓜葉片圖像作為訓(xùn)練集，得到的平均形狀作為先驗(yàn)形狀信息。實(shí)驗(yàn)結(jié)果：現(xiàn)有成果2 2、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）解決方案解決方案1 1：實(shí)驗(yàn)結(jié)果：現(xiàn)有成果現(xiàn)有成果2 2、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）解決方案解決方案2 2：為了有效結(jié)合多種特征信息，將不同的水平集函數(shù)對(duì)應(yīng)在不同的特征域中演化，構(gòu)造新型的多域多相水平集算法。外部水平集在近似葉片形狀的二值化紋理域中演化，而內(nèi)部水平

10、集則在灰度域中演化，在病葉內(nèi)部逐漸逼近病斑輪廓，以實(shí)現(xiàn)對(duì)復(fù)雜背景下病斑的有效分割。 江海洋，張建，袁媛，等.基于MDMP-LSM算法的黃瓜葉片病斑分割方法J.農(nóng)業(yè)工程學(xué)報(bào)，2012，28（21）：142-148.現(xiàn)有成果2 2、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）解決方案解決方案2 2：?jiǎn)嗡郊Ｐ头指罱Y(jié)果 內(nèi)部順序的多相水平集模型分割結(jié)果基本思想：現(xiàn)有成果2 2、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）解決方案解決方案2 2：從一幅原始圖像獲得多個(gè)特征域一般情況下，讓水平集函數(shù) 在 域上演化， 在 域上演化，同時(shí)

11、又被約束在內(nèi)部。 內(nèi)外水平集都使用LCV模型新的多域多相水平集模型 ：11u22u現(xiàn)有成果2 2、復(fù)雜背景條件下的作物病、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）害圖像處理（續(xù)）解決方案解決方案2 2：實(shí)驗(yàn)結(jié)果 ：存在的問(wèn)題：由于內(nèi)水平集函數(shù)在灰度域中進(jìn)行演化，易受到光照不均造成的灰度差異性影響，導(dǎo)致部分病斑分割錯(cuò)誤。現(xiàn)有成果2 2、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）解決方案解決方案3 3：設(shè)計(jì)了一種彩色圖像非監(jiān)督圖像綜合處理方法。首先結(jié)合超G和OTSU方法去除彩色圖像中的大部分背景，盡可能的保留圖像中的綠色部分信息，然后利用基于K-means聚類算法

12、進(jìn)行病斑提取分割。 現(xiàn)有成果2 2、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）解決方案解決方案3 3：結(jié)合超G信息與OTSU的背景去除：由于處于生長(zhǎng)期的黃瓜葉片部分呈綠色，因此，采用在RGB空間中彩色圖像灰度化因子（2G-R-B）（也稱為“超G”因子），得到突出綠色特征的超G灰度圖，本文根據(jù)這一顏色特征在復(fù)雜背景中提取主要葉片。255,2255( , )0,202,GR GEXG x yGR GGRBelse現(xiàn)有成果2 2、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）、復(fù)雜背景條件下的作物病害圖像處理（續(xù)）解決方案解決方案3 3：實(shí)驗(yàn)結(jié)果：現(xiàn)有成果3 3、基于分水

13、嶺算法的病斑分割、基于分水嶺算法的病斑分割針對(duì)分水嶺算法在分割病斑的過(guò)程中容易產(chǎn)生的“過(guò)分割”現(xiàn)象，提出了一種改進(jìn)的基于極小值標(biāo)定的分水嶺分割方法。任玉剛，張建，李淼，袁媛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.現(xiàn)有成果3 3、基于分水嶺算法的病斑分割（續(xù)）、基于分水嶺算法的病斑分割（續(xù)）針對(duì)分水嶺算法在分割病斑的過(guò)程中容易產(chǎn)生的“過(guò)分割”現(xiàn)象，提出了一種改進(jìn)的基于極小值標(biāo)定的分水嶺分割方法。實(shí)驗(yàn)結(jié)果：前景標(biāo)記和背景標(biāo)記提取的結(jié)果 現(xiàn)有成果3 3、基于分水嶺算法的病斑分割（續(xù)）、基于分水嶺算法的病斑分割（續(xù)）針對(duì)分水嶺算法在分割病斑的過(guò)程中容易產(chǎn)生的“過(guò)分割”現(xiàn)象，提出了一種改進(jìn)的基于極小值標(biāo)定的分水嶺分割方法。實(shí)驗(yàn)結(jié)果：現(xiàn)有成果分分 析析水平集分割方法效果較好，但是計(jì)算復(fù)雜，運(yùn)算量大，比較耗時(shí)，不太適合實(shí)時(shí)病害診斷系統(tǒng)的要求。 利用超G信息提取綠色部分作物信息存在一定的缺陷，比如黃色花朵連同綠色葉片一起被提取出來(lái)。因?yàn)樵赗GB空間中，黃色由綠色和紅色分量合成，可能導(dǎo)致花朵部分在超G圖中灰度也較大，OTSU方法將花朵部分保留為主要葉片，進(jìn)而影響了后面病斑的分割效果。綜合處理方法運(yùn)行比較快，能夠滿足實(shí)時(shí)圖像處理的要求?，F(xiàn)有成果現(xiàn)有成果研究?jī)?nèi)容研究?jī)?nèi)容目目