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內(nèi)容研究內(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)均會發(fā)生一定變化。病害的癥狀絕大多數(shù)均會在農(nóng)作物的葉子上表現(xiàn)出來，出現(xiàn)病斑。目前國內(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。常規(guī)檢測方法（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、病害識別害識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)、對照書農(nóng)民憑經(jīng)驗(yàn)、對照書籍、請教專家等籍、請教專家等基于規(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)境污染等問題。環(huán)境污染等問題。 研究背景研究背景（續(xù)）近些年來，隨著數(shù)字圖像處理技術(shù)的迅速發(fā)展、計(jì)算機(jī)視覺技術(shù)的廣泛應(yīng)用和各種模式識別技術(shù)的日趨成熟，將計(jì)算機(jī)視覺技術(shù)引入作物病害防治領(lǐng)域，實(shí)現(xiàn)病害的自動化診斷，為作物病害的無損檢測、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)控作物的生長情況物的生長情況具有具有復(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內(nèi)容研究內(nèi)容研究內(nèi)容研究內(nèi)容研究內(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，得到具有簡單背景的病斑圖像，然后對該病斑圖像進(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)圖像自動采集像自動采集工作量大，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分割問題。 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)過配準(zhǔn)后訓(xùn)練集的平均形狀， 是形變自由度。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：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：單水平集模型分割結(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?，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分水嶺算法在分割病斑的過程中容易產(chǎn)生的“過分割”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)）針對分水嶺算法在分割病斑的過程中容易產(chǎn)生的“過分割”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)）針對分水嶺算法在分割病斑的過程中容易產(chǎn)生的“過分割”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。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)有成果研究內(nèi)容研究內(nèi)容目目