稻葉瘟病斑分割的新型圖像處理方法,植物保護(hù)論文

稻葉瘟病斑分割的新型圖像處理方法,植物保護(hù)論文農(nóng)作物葉片病斑能夠直接反映病害種類及危害程度。研究農(nóng)作物葉片病斑的圖像辨別,及時(shí)發(fā)現(xiàn)病情,并對其進(jìn)行動(dòng)態(tài)、實(shí)時(shí)地監(jiān)控,對農(nóng)作物病害的有效防控具有重要意義。隨著計(jì)算機(jī)視覺技術(shù)的不斷發(fā)展和在各領(lǐng)域的應(yīng)用,對作物病害信息進(jìn)行實(shí)時(shí)監(jiān)控和診斷已逐步成為可能。作為計(jì)算機(jī)視覺病害檢測的重要組成部分,病斑的分割結(jié)果將影響對病害的判定。由于葉片病斑圖像呈現(xiàn)出特征多樣性、復(fù)雜性和模糊性等特點(diǎn),采用傳統(tǒng)的病斑圖像檢測方式方法,很難將病斑準(zhǔn)確分割。病斑有本身的發(fā)生與表現(xiàn)規(guī)律,可綜合利用病斑形狀、顏色等特征進(jìn)行檢測。本研究以感染稻瘟病的水稻葉片為研究對象,結(jié)合色度學(xué)模型、邊緣檢測、形態(tài)學(xué)運(yùn)算和DNGBI等方式方法對稻葉瘟病斑進(jìn)行分割,為稻瘟病的檢測和診斷奠定基礎(chǔ)。1、材料與方式方法1.1田間圖像采集與預(yù)處理試驗(yàn)田位于廣東省從化市呂田鎮(zhèn),水稻品種為CO39,田間稻葉瘟包含不同病害等級。在自然光照且無風(fēng)條件下,用CanonA490數(shù)碼照相機(jī)采集田間水稻稻瘟病葉片圖像。試驗(yàn)共采集了30幅田間采集的水稻葉瘟圖像,所采集的圖像包含不同等級葉瘟病斑信息,成像清楚明晰,圖像大小為25941994像素。將圖像處理成為500500像素左右,程序設(shè)計(jì)語言為MatLab。1.2基于色度學(xué)模型的特征提取特征的提取是為快速獲取圖像中圖斑(包含病斑和一些封閉的非病斑區(qū)域)的信息,在病斑的辨別中起到初提取的作用,其處理的目的在于獲取突出病斑特征的灰度圖像以進(jìn)行圖像分割。圖像處理成為單一圖層,可減少數(shù)據(jù)運(yùn)算量,實(shí)現(xiàn)快速辨別。顏色辨別是病斑辨別的主要途徑之一,本研究將采用色度學(xué)模型進(jìn)行病斑辨別經(jīng)過中的特征要素提取,利用RGB顏色模型實(shí)現(xiàn)病斑的提取,利用HIS顏色模型實(shí)現(xiàn)葉片的提取。1.2.1基于RGB顏色模型的圖斑提取針對可見光圖像,病斑提取的方式方法較多,常見的有采用綠色波段或者紅綠藍(lán)取均值波段及制定特定病斑指數(shù),如歸一化綠藍(lán)差值指數(shù)(NormalizedDiffer-enceGreenandBlueIndex,DNGBI)。通過對稻瘟病病斑的顏色分析可知,葉片被病菌侵染后,侵染中心會(huì)呈現(xiàn)褐色或灰白色,病斑附近的葉片部分可能呈現(xiàn)枯黃狀。通太多次比照試驗(yàn)發(fā)現(xiàn),采用2R-G色差分量實(shí)現(xiàn)圖斑的提取,水稻葉瘟病斑的邊緣能在2R-G色差分量上較好地表現(xiàn)出來,利于邊緣提取結(jié)果。1.2.2基于HIS顏色模型的葉片提取植物與背景分離的最大根據(jù)為植物葉片與背景的彩色分量的差異,利用此特性能夠進(jìn)行分類辨別。色彩對光照很敏感,不同光照下色彩的變化差異很大。采集圖像所用的彩色空間為RGB,而紅(R)、綠(G)與藍(lán)(B)這3個(gè)分量隨光照的變化是不一致的,在實(shí)際使用經(jīng)過中,很難要求系統(tǒng)每次的光照完全一致,因而很難找到一個(gè)理想的彩色距離中心。HIS模型是從人的視覺系統(tǒng)出發(fā),用色調(diào)(H)、飽和度(S)和亮度(I)來描繪敘述色彩。通過顏色模型轉(zhuǎn)換公式即可實(shí)現(xiàn)兩種模型的轉(zhuǎn)換。為更好地辨別目的物,希望利用顏色模型中某一分量或類似植被指數(shù)等模型,使得葉片病斑與背景之間的差異顯著。從RGB模型到HIS模型的轉(zhuǎn)換關(guān)系,如式(1)、式(2)和式(3),僅取H分量進(jìn)行分析。利用H色彩分量能夠辨別綠色區(qū)域,并利用形態(tài)學(xué)運(yùn)算進(jìn)行封閉區(qū)域填充,構(gòu)成一個(gè)連片的完好區(qū)域,便于后期進(jìn)行掩膜過濾,圖2為葉片掩膜區(qū)域提取。有1.3封閉邊緣提取與修復(fù)利用邊緣提取算子對2R-G色差分量圖進(jìn)行邊緣提取,對提取的邊緣進(jìn)行封閉修復(fù)并過濾,可獲得病斑的封閉邊緣。1.3.1邊緣提取Canny算子采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器,通過與圖像卷積進(jìn)行濾波;然后尋找濾波后圖像梯度的局部最大值,以此來確定目的邊緣。根據(jù)對信噪比與定位乘積進(jìn)行測度,得到最優(yōu)化逼近算子。Canny算子具有濾去噪聲和保持邊緣的特性。對2R-G色差分量圖利用Canny進(jìn)行邊緣檢測。在Canny邊緣提取后的圖像中,病斑邊緣和一些封閉的非病斑邊緣(用圓圈標(biāo)示區(qū)域)都被辨別出來,影響稻葉瘟病斑的檢測精度。1.3.2封閉邊緣修復(fù)由于比照度、葉脈等因素的影響,多數(shù)提取的邊緣沒有能閉合,因而設(shè)計(jì)邊緣修復(fù)模板對病斑邊緣輪廓進(jìn)行提取。根據(jù)由上至下、由左至右的處理順序,依次對圖像中的每一個(gè)像素點(diǎn)進(jìn)行運(yùn)算。算法步驟如下:首先抽取一個(gè)33的圖像處理窗口,華而不實(shí)心點(diǎn)p5是待處理像素點(diǎn)(見圖4);然后取窗口四周共9點(diǎn)(p1,p2,p3,p4,p5,p6,p7,p8,p9)分別與邊緣修復(fù)模板(見圖5)進(jìn)行匹配(虛線框代表可能出現(xiàn)一個(gè)或者多個(gè)像素),若和華而不實(shí)任意一個(gè)邊緣修復(fù)模板匹配,則該中心像素被填充;否則保持不變,移動(dòng)到下個(gè)點(diǎn),直至圖像所有的點(diǎn)都被遍歷。1.3.3封閉邊緣提取利用1.2.2節(jié)的葉片提取結(jié)果與封閉邊緣修復(fù)后的圖像進(jìn)行掩膜運(yùn)算,進(jìn)而獲得葉片范圍內(nèi)的病斑邊界結(jié)果。閉合的邊緣與未閉合的邊緣主要區(qū)別在于能否能夠填充邊界,對上述邊緣修復(fù)的結(jié)果進(jìn)行封閉填充,利用形態(tài)學(xué)的開運(yùn)算,過濾未閉合的邊緣,得到封閉的區(qū)域,再進(jìn)行邊緣檢測,獲得封閉邊緣。1.3.4稻葉瘟病斑檢測提取的封閉邊緣線,在很多因素影響下未必是病斑,對病斑屬性的精到準(zhǔn)確確定,需要通過對封閉邊緣覆蓋下的病斑圖像進(jìn)行波段或者光譜等信息的分析。本文以歸一化綠藍(lán)差值指數(shù)(DNGBI)(公式4)為病斑最終確定的模型。統(tǒng)計(jì)封閉邊緣區(qū)域覆蓋圖像的DNGBI均值,取一定的閾值進(jìn)行分割。封閉邊緣提取的結(jié)果DNGBI圖表現(xiàn)為:病斑覆蓋區(qū)域的DNGBI均值要比非病斑覆蓋DNGBI均值高,取一定的閾值可分離出病斑。封閉的非病斑邊緣(用圓圈標(biāo)示區(qū)域)都被剔除。稻葉瘟病斑檢測算法流程圖,如此圖7所示。有DNGBI=(G-B)/2(0.3R+0.59G+0.11B)(42、結(jié)果與分析對30幅野外采集的水稻葉瘟圖像進(jìn)行檢測。對于葉片的提取,H分量取值范圍設(shè)為50~130,此范圍可較完好地提取出不同明度、不同亮度的綠色葉片信息。DNGBI過濾閾值設(shè)為1800。由于病斑處于葉片邊緣造成葉片掩膜不完好,同時(shí)由于部分病斑邊緣未封閉,部分病斑并未正確辨別出來。通過DNGBI閾值過濾后,剩余的圖斑以葉瘟病斑為主。對30幅圖像的正確辨別率進(jìn)行統(tǒng)計(jì),結(jié)果為90.26%。通過試驗(yàn)分析可知,在2R-G分量圖上,病斑的邊緣較清楚明晰,便于病斑的邊緣提取。通過對病斑進(jìn)行邊緣辨別,能夠得出,病斑能夠正確提取的條件是:病斑邊緣清楚明晰、葉脈干擾小及病斑周邊不存在模糊過渡區(qū)域。Canny算法穩(wěn)健,邊緣提取效果穩(wěn)定,但易遭到比照度、葉脈等多因素影響,病斑容易出現(xiàn)斷點(diǎn)、斷線的情況。采用形態(tài)學(xué)方式方法實(shí)現(xiàn)病斑的封閉修復(fù)與提取,不受方向性限制,對病斑的邊緣斷線能起到一定的修補(bǔ)作用。邊緣提取與修復(fù)的結(jié)果不僅包含了病斑,同時(shí)也包含了一些封閉的非病斑邊界。為了精到準(zhǔn)確進(jìn)行病斑辨別,需要針對病害的種類制定特定的辨別模型。研究針對水稻葉瘟病斑,封閉的圖斑覆蓋區(qū)域在DNGBI圖上病斑與非病斑差異不同較大,采用DNGBI圖對封閉區(qū)域的圖斑進(jìn)行閾值過濾,能夠得到稻葉瘟病斑。3、結(jié)論1)以水稻葉瘟RGB圖像為研究對象,計(jì)算2R-G色差分量模型,采用Canny算法進(jìn)行邊緣檢測,通過邊緣封閉修復(fù)與過濾,去除封閉的非病斑邊界,對稻葉瘟病斑邊緣進(jìn)行修復(fù),能夠封閉部分?jǐn)嚅_的邊界。2)采用HIS模型的H分量提取的葉片正常部位信息與修復(fù)后圖像做掩膜運(yùn)算,獲得葉片范圍內(nèi)的病斑邊界結(jié)果,采用DNGBI閾值分割可檢測出水稻葉瘟的普通型病斑。試驗(yàn)結(jié)果表示清楚,該方式方法對病斑的正確辨別率為90.26%。以下為參考文獻(xiàn):[1]馬德貴,邵陸壽,葛婧,等.水稻稻瘟病及水稻紋枯病病害程度圖像檢測[J].中國農(nóng)學(xué)通報(bào),2008,24(9):485-489.[2]王坤,朱大洲,張東彥,等.成像光譜技術(shù)在農(nóng)作物信息診斷中的研究進(jìn)展[J].光譜學(xué)與光譜分析,2018,31(3):589-595.[3]DB23/T1118-2007,水稻稻瘟病防治技術(shù)規(guī)范[S].[4]胡小峰,趙輝.VisualC++/MATLAB圖像處理與辨別實(shí)用案例優(yōu)選[M].北京:人民郵電出版社,2004.[5]丁浩.植物黑腐病病斑的自動(dòng)辨別與分析[D].南寧: