林麗惠

（1.武夷學(xué)院 數(shù)學(xué)與計(jì)算機(jī)學(xué)院，福建 武夷山 354300；2.認(rèn)知計(jì)算與智能信息處理福建省高校重點(diǎn)實(shí)驗(yàn)室，福建 武夷山 354300）

武夷巖茶品種資源極為豐富，傳統(tǒng)上識(shí)別武夷巖茶鮮茶葉品種的方法主要是人工識(shí)別。人工依據(jù)經(jīng)驗(yàn)識(shí)別，受到經(jīng)驗(yàn)限制，主觀性較強(qiáng)，缺乏客觀評(píng)價(jià)標(biāo)準(zhǔn)。若采用化學(xué)成分分析，雖準(zhǔn)確度較高，但步驟繁瑣，難以快速識(shí)別。通過識(shí)別武夷巖茶鮮茶葉葉片圖像，進(jìn)而識(shí)別武夷巖茶鮮茶葉品種，是一種快速、客觀的識(shí)別方法[1-4]。

茶葉葉片圖像的紋理特征是對(duì)武夷巖茶鮮茶葉葉片圖像進(jìn)行分類識(shí)別的重要特征。紋理特征能夠體現(xiàn)茶葉葉片表面結(jié)構(gòu)組織排列的規(guī)律性和同質(zhì)性，是通過茶葉葉片圖像像素及其周圍空間鄰域的灰度分布來表現(xiàn)的一種視覺特征?；诩y理特征識(shí)別武夷巖茶鮮茶葉葉片圖像是一種重要的識(shí)別方法。

目前國(guó)內(nèi)對(duì)葉片基于紋理特征的識(shí)別方法的研究情況起步較晚，在本世紀(jì)初才開始，但是也取得了非凡的成果。例如，張磊[5]利用離散小波變換對(duì)葉片圖像進(jìn)行分解，從不同尺度的小波系數(shù)中提取紋理特征值，得到多個(gè)紋理特征，對(duì)植物葉片的識(shí)別具有較高的平均準(zhǔn)確率；Arivazhagan等（2013）[6]通過紋理特征值對(duì)植物葉片不健康的部分進(jìn)行觀察，并根據(jù)紋理特征值對(duì)葉片損傷程度進(jìn)行分類；江才華（2014）[7]研究了茶青紋理特征提取方法，采用最小二乘SVM作為茶青的分類器對(duì)茶青進(jìn)行分類與訓(xùn)練。基于武夷巖茶鮮茶葉葉片圖像提取紋理特征，對(duì)基于紋理特征的武夷巖茶鮮茶葉葉片圖像分類方法進(jìn)行研究。

1 圖像預(yù)處理

為提高鮮茶葉葉片的識(shí)別率，本文首先對(duì)實(shí)地釆集的武夷巖茶茶樹品種的鮮茶葉葉片圖像進(jìn)行預(yù)處理[8-9]，去除拍攝過程中由光照和陰影等導(dǎo)致的噪聲和邊緣模糊問題。然后將采集到的茶葉葉片圖像轉(zhuǎn)換為灰度圖，用以提取紋理特征。

圖1為武夷巖茶鮮茶葉葉片原圖和灰度圖。其中第一行為黃觀音葉片圖像，第二行為瑞香葉片圖像。

圖1 鮮茶葉葉片原圖和灰度圖Fig.1 Original and grayscale images of fresh tea leaves

2 紋理特征表示方法

常見的紋理特征提取方法有結(jié)構(gòu)分析方法和統(tǒng)計(jì)分析方法。結(jié)構(gòu)分析方法主要研究紋理基元的空間組織結(jié)構(gòu)和排列規(guī)則，更加強(qiáng)調(diào)紋理的規(guī)律性，更適用于非自然的紋理特征提取。對(duì)武夷巖茶鮮茶葉葉片圖像使用結(jié)構(gòu)方法提取紋理特征將會(huì)受到很大程度的限制。統(tǒng)計(jì)分析方法主要研究紋理區(qū)域像素的灰度統(tǒng)計(jì)特性，更加適合作為武夷巖茶鮮茶葉葉片圖像的紋理特征提取方法。而灰度共生矩陣(GLCM)是最常見的紋理特征統(tǒng)計(jì)分析方法，被公認(rèn)有效，有較強(qiáng)的適應(yīng)性與魯棒性。

采用灰度共生矩陣表示茶葉葉片圖像的紋理特征。計(jì)算茶葉葉片圖像灰度共生矩陣在0°、45°、90°、135°4個(gè)方向且距離σ為1的能量、熵、對(duì)比度、相關(guān)性、逆差距、非相似性和同質(zhì)性共7個(gè)特征值以及特征值在4個(gè)方向上的均值和方差。下面分別給出能量、熵、對(duì)比度、相關(guān)性、逆差距、非相似性和同質(zhì)性的定義。

能量f1：能量反應(yīng)的是茶葉葉片圖像紋理均勻分布程度與粗細(xì)程度。其值較大，則表示葉片圖像灰度分布較集中，紋理比較粗糙。定義如式（1）所示：

式中：P（i，j）指歸一化后的灰度共生矩陣，下同。

熵f2：熵是茶葉葉片圖像紋理信息量的度量。其值越大，則表示葉片圖像紋理的非均勻程度和復(fù)雜程度越高。定義如式（2）所示：

對(duì)比度f(wàn)3：對(duì)比度是灰度共生矩陣主對(duì)角線的慣性矩，描述茶葉葉片圖像的清晰程度。其值較大，代表葉片圖像較清晰，紋理較深。定義如（3）所示：

相關(guān)性f4：相關(guān)性描述茶葉葉片圖像灰度值在水平和垂直方向的相似程度。其值較大，代表葉片圖像灰度分布均勻。定義如式（4）所示：

式中，σi，σj分別表示Pi和Pj的均值和標(biāo)準(zhǔn)差，Pi為灰度值i出現(xiàn)的概率，Pj為灰度值j出現(xiàn)的概率。

逆差距f5：逆差距描述茶葉葉片圖像紋理的局部變化的大小。其值較大，代表葉片圖像的紋理局部較均勻，不同區(qū)域間的紋理變化較小。定義如式（5）所示：

非相似性f6：非相似性描述茶葉葉片圖像的紋理差異。與對(duì)比度類似，若局部對(duì)比度的值越大，非相似度的值也越大。定義如式（6）所示：

同質(zhì)性f7：同質(zhì)性反映茶葉葉片圖像局部紋理的均勻程度。與逆差距類似，其值越大，局部紋理越均勻。定義如（7）所示：

3 試驗(yàn)結(jié)果

實(shí)地采集武夷巖茶的黃觀音、瑞香、丹桂和奇蘭4個(gè)品種，每個(gè)品種各20張的鮮茶葉葉片圖像。計(jì)算茶葉葉片圖像灰度共生矩陣在0°、45°、90°、135°4個(gè)方向且距離σ為1的能量、熵、對(duì)比度、相關(guān)性、逆差距、非相似性和同質(zhì)性共7個(gè)特征值以及特征值在四個(gè)方向上的均值和方差。使用50%的葉片圖像作為訓(xùn)練樣本，50%的葉片圖像作為測(cè)試樣本，對(duì)本文提取的武夷巖茶鮮茶葉葉片圖像紋理特征，分別使用KNN分類器、集成學(xué)習(xí)器、判別分析分類器3種分類算法[11]進(jìn)行分類識(shí)別，比較各種分類算法的識(shí)別精度，識(shí)別精度取10次實(shí)驗(yàn)的平均值。

圖2～5分別為0°、45°、90°、135°4個(gè)方向上的紋理特征值。圖6為4個(gè)方向上的特征值的均值和方差。由于數(shù)據(jù)量比較大，本文只列出黃觀音和瑞香兩個(gè)品種的部分葉片圖像的紋理特征值。圖2～5的1至7列分別表示能量、熵、慣性矩、相關(guān)性、逆差距、對(duì)比度和一致性值7個(gè)紋理特征值。第8列表示武夷巖茶葉片的品種，其中值為0代表黃觀音品種，其中值為1代表瑞香品種。圖6為4個(gè)方向上的特征值，1至14列分別7個(gè)紋理特征值能量、熵、慣性矩、相關(guān)性、逆差距、對(duì)比度、一致性值的均值及方差，每2列代表1個(gè)特征值。表1為3種分類器對(duì)不同方向上的紋理特征值的分類準(zhǔn)確率。

圖2 0°方向上的紋理特征值Fig.2 Texture features in the direction of 0 degree

圖3 45°方向上的紋理特征值Fig.3 Texture features in the direction of 45 degree

圖4 90°方向上的紋理特征值Fig.4 Texture features in the direction of 90 degree

圖5 135°方向上的紋理特征值Fig.5 Texture features in the direction of 135 degree

圖6 四個(gè)方向上的均值和方差Fig.6 Mean and variance in four directions

表1 分類結(jié)果Tab.1 Classified results

4 結(jié)論

通過計(jì)算武夷巖茶鮮茶葉葉片圖像灰度共生矩陣在0°、45°、90°、135°4個(gè)方向且距離σ為1的能量、熵、對(duì)比度、相關(guān)性、逆差距、非相似性和同質(zhì)性共7個(gè)特征值以及特征值在4個(gè)方向上的均值和方差，分別使用KNN分類器、集成學(xué)習(xí)器、判別分析分類器3種分類算法對(duì)本文提取的武夷巖茶鮮茶葉葉片圖像紋理特征進(jìn)行分類識(shí)別。結(jié)果表明，對(duì)4個(gè)方向上的特征值的均值和方差的分類效果均比0°、45°、90°、135°等4個(gè)單一方向上特征值的分類效果好。使用判別分析分類器比使用KNN分類器和集成學(xué)習(xí)器的分類效果更好。使用判別分析分類器對(duì)4個(gè)方向上的紋理特征值的均值和方差的分類準(zhǔn)確率達(dá)到了90.00%。說明了采用基于紋理特征識(shí)別武夷巖茶鮮茶葉葉片圖像是一個(gè)非常有效的方法。

僅初步探討了武夷巖茶的黃觀音、瑞香、丹桂和奇蘭4個(gè)品種基于紋理特征的葉片分類方法。今后還將擴(kuò)大武夷巖茶的品種范圍，研究更多品種的基于紋理特征的葉片分類方法。同時(shí)，將進(jìn)一步研究更有效的紋理特征提取方法以及葉片的其它特征提取方法，比如形狀特征等，以提高武夷巖茶葉片分類的準(zhǔn)確率。