吉 濤,魏利勝,張平改

(安徽工程大學(xué)電氣工程學(xué)院,安徽蕪湖 241000)

?

基于圖像處理的農(nóng)作物受害程度檢測(cè)方法

吉 濤,魏利勝?,張平改

(安徽工程大學(xué)電氣工程學(xué)院,安徽蕪湖 241000)

摘要:針對(duì)農(nóng)作物葉片受害程度等級(jí)大小的問題,研究了一種圖像處理的方法,以測(cè)量出農(nóng)作物葉片受害程度的比例大?。紫?通過對(duì)樣本葉片進(jìn)行灰度化處理,并對(duì)圖像中復(fù)雜無關(guān)的背景進(jìn)行剔除以獲取目標(biāo)區(qū)域;在此基礎(chǔ)上,利用最大類間方差法對(duì)圖像進(jìn)行分割,并統(tǒng)計(jì)分割后二值化圖像病斑區(qū)與非病斑區(qū)像素個(gè)數(shù),從而得出農(nóng)作物受害程度比例以及相應(yīng)的誤差分析;最后,利用多個(gè)實(shí)例驗(yàn)證了該方法的有效性與可行性．

關(guān) 鍵 詞:農(nóng)作物;圖像處理;受害程度;最大類間方差;誤差

隨著現(xiàn)代化農(nóng)業(yè)的不斷發(fā)展,農(nóng)作物病蟲害以及受害程度的檢測(cè)已成為圖像處理領(lǐng)域研究的熱點(diǎn)問題,國(guó)內(nèi)外學(xué)者對(duì)其進(jìn)行了大量的探索和研究,并取得了一定的研究成果．張水發(fā)[1]等結(jié)合Canny算子良好的邊緣提取能力和葉片局部顏色變化相對(duì)較小的特征,提出基于塊標(biāo)記的葉片損傷區(qū)域分割方法,用于評(píng)價(jià)葉片損傷程度．葛婧[2]等利用圖像處理技術(shù)對(duì)玉米病害進(jìn)行識(shí)別．張芳[3]等應(yīng)用計(jì)算機(jī)圖像處理技術(shù)和支持向量機(jī)識(shí)別方法研究了黃瓜葉部病害的識(shí)別,以提高識(shí)別的準(zhǔn)確性和效率．以5種不同的農(nóng)作物為研究對(duì)象,利用圖像處理技術(shù)進(jìn)行實(shí)驗(yàn)性研究,利用實(shí)例來驗(yàn)證所提出方法的有效性與可行性．

1 圖像的處理與病斑區(qū)計(jì)算

1．1 圖像預(yù)處理

實(shí)驗(yàn)圖像來自百度,選取了5種不同農(nóng)作物的病蟲害圖像,為減小圖像原始數(shù)據(jù)量將圖像灰度化處理．一般有3種處理方法:最大值法、算數(shù)平均值法及加權(quán)平均值法．最大值法處理后的圖像亮度偏高;算數(shù)平均值法處理后的圖像亮度較為平柔;加權(quán)平均值法處理后的圖像亮度符合人眼的實(shí)際感光特性．因此,為滿足實(shí)驗(yàn)中圖片的清晰性與計(jì)算的準(zhǔn)確性,采用加權(quán)平均值法進(jìn)行圖像的灰度化處理．加權(quán)平均值法產(chǎn)生的灰度圖像最符合人眼的視覺感受,取α＝0．3,β＝0．59,γ＝0．11．

由于實(shí)驗(yàn)中無關(guān)的背景區(qū)域會(huì)對(duì)二值化分割后黑白區(qū)域像素產(chǎn)生較大的影響,因而在獲取到灰度化的圖像之后,將其中不需要的背景部分進(jìn)行剔除,從而提高計(jì)算正確率,達(dá)到實(shí)驗(yàn)的目的[4]．具體采用的是Closed-form背景去除法．設(shè)每個(gè)前景顏色f和背景顏色b在每個(gè)像素點(diǎn)旁邊都是一個(gè)線性混合的小窗口,并建立含有α的二次成本函數(shù):

式中,c為顏色通道;ac和b是窗口中的常量．能量行函數(shù)表達(dá)式為:

這里L(fēng)是一個(gè)N×N的矩陣,它的第(i,j)元素為:

式中,∑k為協(xié)方差矩陣;μk為顏色平均向量;I3為單位矩陣．最終:

此法親和力較好,去除背景時(shí)不會(huì)對(duì)目標(biāo)區(qū)產(chǎn)生誤劃．

1．2 圖像分割

將預(yù)處理后的圖像分割并進(jìn)行二值化處理,提取其中有效的信息并過濾無效的信息．實(shí)驗(yàn)中采用最大類間方差法[5]．

步驟1 令原圖像有M個(gè)灰度級(jí),ni為i所在的像素點(diǎn),所以總像素點(diǎn)為:

步驟2 將圖像分為A和B兩部分,其中A區(qū)的灰度級(jí)為0到j(luò),B區(qū)的灰度級(jí)為j＋1到M,可以求出A和B的概率分別為:

式中,j表示為灰度級(jí);PA為A區(qū)的概率;PB為B區(qū)的概率,且兩者之和等于1．

步驟3 求A區(qū)和B區(qū)的均值期望與均方差:

式中,σ2A為A的類內(nèi)方差;σ2B為B的類內(nèi)方差．因此,兩類的類內(nèi)方差之和與兩類的類間距離平方分別為:

式中,σ2W為兩類的類內(nèi)方差之和;σ2V為兩類的類間距離平方．

步驟4 為評(píng)估灰度級(jí)程度,通過式(5)、式(6)、式(7)可以推導(dǎo)出灰度級(jí)類方差:

式中,σ2H為灰度級(jí)類方差;H為灰度級(jí)門限．

步驟5 結(jié)合上述步驟1～4中的公式可以推導(dǎo)出最佳的灰度級(jí)H?:

最大類間方差法分割后的葉片如圖1所示．圖像分割完成后對(duì)農(nóng)作物蟲害區(qū)進(jìn)行計(jì)算,首先計(jì)算分割后圖像(未填充)的面積大小,然后對(duì)分割后的圖像進(jìn)行目標(biāo)區(qū)域填充,蟲害區(qū)的填充如圖2所示．農(nóng)作物葉片受害程度可以用對(duì)應(yīng)的圖像像素點(diǎn)進(jìn)行計(jì)算,其中M和N表示圖像的寬度像素和高度像素,隨后統(tǒng)計(jì)出最大類間方差法分割后二值化圖像中黑白像素點(diǎn)的個(gè)數(shù)．以圖1A和圖2A為例,x1所代表的為A中區(qū)域內(nèi)所有白色像素的個(gè)數(shù)(包括目標(biāo)葉片中的蟲害區(qū)),x2代表圖2A中所有白色像素個(gè)數(shù)．由于目標(biāo)對(duì)象要求求出蟲害區(qū)受害程度的百分率,因此,將二值化圖像內(nèi)蟲害區(qū)的部分用黑色像素進(jìn)行填充,這里調(diào)用Matlab中二值化圖像中元素標(biāo)記函數(shù)bwlabel來完成蟲害白色區(qū)域的填充．蟲害區(qū)域填充完畢之后,再次計(jì)算被填充后蟲害區(qū)域的白色像素,隨后統(tǒng)計(jì)填充后完整的葉片黑色像素,x3所代表的是圖2A中所有黑色像素個(gè)數(shù),因此,x1－x2所代表的即為病斑像素個(gè)數(shù)．最后就可以獲得葉片蟲害區(qū)受害程度的百分比為L(zhǎng)＝(x1－x2)/x3×100%．

圖1 最大類間方差法分割后的圖像對(duì)比

1．3 誤差率

為了更加全面而準(zhǔn)確地進(jìn)行評(píng)價(jià),利用分割算法得誤差率ER:

式中,GTi表示第i類的標(biāo)準(zhǔn)分割;Sgi表示第i類的實(shí)際分割結(jié)果;S表示分類總數(shù);⊕表示異或操作．誤差率表示誤分為病斑的點(diǎn)與非病斑的點(diǎn)與標(biāo)準(zhǔn)分割病斑點(diǎn)數(shù)的比率,比率越低精度越好．并結(jié)合采用最小顯著差數(shù)法來確定差異顯著性,計(jì)算出在顯著水平為α的最小顯著差數(shù)LSDα,任何兩個(gè)平均數(shù)的差數(shù)如其絕對(duì)值大于等于LSDα,則在α上水平顯著,反之則不顯著．tα可通過查表獲得,MSe為處理內(nèi)均方可通過F檢驗(yàn)里的公式求出．

不同的小寫字母表示在0．05水平上的差異顯著,誤差率如表1所示．由表1可以看出,對(duì)于有葉柄的

圖2 蟲害區(qū)的填充

作物在0．05水平上并不顯著,但對(duì)于一般的作物均能達(dá)到控制誤差的要求．

表1 誤差率

2 結(jié)果與分析

將5種不同農(nóng)作物葉片的不同種類病蟲害作為研究對(duì)象,通過圖像的灰度化處理、無關(guān)背景量的去除、圖像分割、對(duì)農(nóng)作物病蟲害區(qū)域像素的填充,最終計(jì)算出農(nóng)作物葉片病蟲害程度的大?。畬?shí)驗(yàn)計(jì)算結(jié)果如表2～表6所示．由表2～表6可知,運(yùn)用圖像處理能夠較為準(zhǔn)確地計(jì)算出葉片受害程度的大小,番茄、辣椒、水稻、柑桔及玉米病害的平均受害程度分別為9．36%、3．174%、7．393%、3．723%、11．306%;實(shí)驗(yàn)中缺失率即為圖像分割過程中未識(shí)別或者不能完全識(shí)別的蟲害區(qū),番茄、辣椒、水稻、柑桔及玉米病害區(qū)的缺失率分別0．767%、0．549%、0．922%、0．253%、0．902%,均能控制在較低的百分率．誤差率反映了不同樣本分割效果的差異性,實(shí)驗(yàn)數(shù)據(jù)能夠較為準(zhǔn)確地反映出農(nóng)作物受害程度．但是從圖1分割后的結(jié)果來看,最大類間方差法分割對(duì)于葉柄的分割效果并不理想,會(huì)將其當(dāng)作病斑區(qū)來處理,所以在算法優(yōu)化上需進(jìn)一步改進(jìn)．通過農(nóng)作物受害程度的百分率可以有效地控制農(nóng)藥劑量,減少農(nóng)藥的大量浪費(fèi)以及對(duì)環(huán)境造成的污染,為今后的農(nóng)作物病蟲害質(zhì)量檢測(cè)提供了一定的科學(xué)依據(jù)．

表2 番茄實(shí)驗(yàn)計(jì)算結(jié)果

表3 辣椒實(shí)驗(yàn)計(jì)算結(jié)果

表4 水稻實(shí)驗(yàn)計(jì)算結(jié)果

表5 柑桔實(shí)驗(yàn)計(jì)算結(jié)果

表6 玉米實(shí)驗(yàn)計(jì)算結(jié)果

3 結(jié)論

對(duì)于農(nóng)作物葉片受害程度等級(jí)大小的問題,研究了一種圖像處理的方法以測(cè)量出農(nóng)作物葉片受害程度的大小．首先對(duì)樣本圖像進(jìn)行預(yù)處理,然后利用最大類間方差圖像分割算法獲取農(nóng)作物葉片蟲害區(qū)及非蟲害區(qū)域,最后對(duì)分割后的蟲害區(qū)進(jìn)行像素點(diǎn)填充,計(jì)算出農(nóng)作物受害程度的百分率．方法適用于多種農(nóng)作物病蟲害檢測(cè),但是對(duì)于葉片上細(xì)小的病斑區(qū)不能有效準(zhǔn)確地分割,需進(jìn)一步改進(jìn)和完善．

參考文獻(xiàn):

[1] 張水發(fā),王開義,祖琴．基于塊標(biāo)記的田間葉片損傷區(qū)域分割方法[J]．農(nóng)業(yè)工程學(xué)報(bào),2014,30(21):218-225．

[2] 葛婧,邵陸壽,丁克堅(jiān)．玉米小斑病病害程度圖像檢測(cè)[J]．農(nóng)業(yè)機(jī)械學(xué)報(bào),2008,39(1):114-117．

[3] 張芳,王璐,付立思．基于支持向量機(jī)的黃瓜葉部病害的識(shí)別研究[J]．沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào),2014,45(4):457-462．

[4] 刁智華,王歡,宋寅卯,等．復(fù)雜背景下棉花病葉害螨圖像螨圖像分割方法[J]．農(nóng)業(yè)工程學(xué)報(bào),2013,29(5):147-152．

[5] 陳金位,吳冰．二維直方圖重建和降維的Otsu閾值分割算法[J]．圖學(xué)學(xué)報(bào),2015,36(4):570-575．

Detection method for damage level of crop based on image processing

JI Tao,WEI Li-sheng?,ZHANG Ping-gai
(College of Electrical Engineering,Anhui Polytechnic University,Wuhu 241000,China)

Abstract:Aiming at the problem of the damage level of crop,an image processing technology is used to measure the proportion of damage level in crop leaf diseases．First of all,by using image graying method to process the leaf samples,the complex background can be removed to obtain the independent regions．Based on this,by using the maximum variance between two classes analysis algorithm,the pixels from lesion area and non-lesion area can be counted in binary image．Then,the proportion of the damage level of crop is obtained for error analysis．At last,the results of multiple experiments verify the effectiveness and feasibility of the proposed method．

Key words:crop;image processing;damage level;maximum variance between two classes;error

中圖分類號(hào):TP394．41

文獻(xiàn)標(biāo)識(shí)碼:A

收稿日期:2015-10-26

基金項(xiàng)目:安徽省自然科學(xué)基金資助項(xiàng)目(1608085MF146)

作者簡(jiǎn)介:吉 濤(1991-),男,安徽蕪湖人,碩士研究生．

通訊作者:魏利勝(1978-),男,安徽巢湖人,副教授,博士后．