叶片图像特征提取与识别技术的研究

&<)-/5?)*+ &<)-5/627.23;5/9
!* "
!4 " 面 积 凹 凸 比 !DB$( I;/?$-.FH" 是 叶 片 面 积 与 叶 片 凸 包 面积的比值 &
!& " 消除孔洞 !’ " 消除叶柄
&<)- @/2A)9.+=>
&<)@/2A)9 &<)-
!4 "
!5 " 周 长 凹 凸 比 !J$B.,$F$B I;/?$-.FH " 是 叶 片 周 长 与 叶 片 凸包周长的比值 &
文章编号 %""!&’((%& !!""! $"(&"$="."(
!"#$%&" ’($&#)$*+, -,. /")+0,*$*+, 1+& 2"-1 34-0"5
6-,0 7*-+1",08!9 :%#,0 ;"5<%-,08 ;% =*(*-,08 ><#,0 ?%+@%,8 $ %?6@A1ABAC D4 ?6AC2217C6A E0:F16C@ !GF16C@C H:0IC/J D4 K:1C6:C@!LC4C1 %+M"+$ & % %NCO0PA/C6A D4 GD/OBACP K:1C6:C 06I QC:F6D2D7J !LC4C1 R61SCP@1AJ !LC4C1 %+MM%%&
片的轮廓 " 然后利用轮廓计算得到叶片的矩形度 & 圆形度 & 偏心率等 ; 项几何特征和 < 个图像不变矩 " 同时在文中提出了 一种新的移动中心超球分类器 " 利用其对得到的形状特征进行分类从而实现了对 %" 多 种 植 物 叶 片 的 快 速 识 别 " 并 且 平 均识别率达到了 =%$ % 关键词 叶片图像 图像预处理 特征提取 移动中心超球分类器 文献标识码 ) 中图分类号 *>+=$
的叶片通过数码相机或者扫描仪制成数字图像 ! 然后对图像进 行 预 处 理 !这 其 中 主 要 包 括 阈 值 分 割 #形 态 学 处 理 和 轮 廓 提 取 三个环节 ! 接下来利用提取出来的轮廓计算叶片形状特征 ! 并 使用移动中心超球分类器对特征进行分类进而识别出叶片所 属种类 "
图$
叶片图像识别流程图
$
引言
在地球上的一切生物中 ! 植物和人类以及环境的关系最为
%
图像预处理
整个叶片图像识别的流程如图 $ 所示 " 首先我们把采集到
密切 " 大量的植物维持着地球大气中氧气和二氧化碳的平衡 ! 植物也是人类生产和生活所必需的资源 " 但近些年来人类的各 种生产活动严重地破坏了生态环境 ! 从而造成植物在数量上的 减少甚至物种上的灭绝 " 值得庆幸的是 ! 人类已经意识到这一 危机 ! 从而渐渐开始迈出了保护植物的步伐 " 对植物进行分类研究是对其进行保护的第一步也是很重 要的一步 ! 但由于人类认知能力有限以及地球上数量众多的植 物种类 ! 要做到准确和快速地识别手中的植物是非常困难的 " 随着近些年来计算机技术的不断发展 ! 图像处理与识别技术在 农业中也得到了一定的应用! 因此可以考虑使用图像处理技 术 # 模式识别技术且辅助以计算机图像获取设备实现对植物的 快速识别 " 从植物分类的角度来看 ! 识别一种植物最直接有效和最简 单的方法就是从它的叶片着手 ! 而且叶片也是比较容易采集到 的 !通 常 在 植 物 学 里 叶 片 的 形 状 #颜 色 和 脉 络 都 可 以 拿 来 作 为 分类依据 ! 而我们则把重点放在提取叶片的形状特征作为识别 依据上 " 利用我们提出的移动中心超球分类器对提取的特征进 行分类 ! 可以实现对部分叶片的快速和成功的识别 "
*6*
形态学处理
迭代法可以很好地完成二值分割工作 # 但我们也发现某些
植 物 叶 片 可 能 遭 受 过 虫 子 的 侵 蚀 ! 图 * !( ""# 从 而 在 分 割 后 的 叶片目标内部存在小的孔洞 ! 图 * !) ""# 影响轮廓 的 提 取 # 因 此 这部分图像在二值化后需要进一步处理 # 为了保持叶片图像的 形状特性以及边缘的清晰# 我们使用了数学形态学里的闭运 算 # 即先进行膨胀运算 # 再进行腐蚀运算 # 这样经过一次或两次 处理后就消除了叶片内部的小 孔 洞 ! 图 * !& ""% 同 时 在 实 验 中 我们发现叶片的叶柄由于长度参差不齐 # 对形状特征的提取会 造成一定的影响从而影响识别率 # 因此必须在二值化后的图像 里消除叶片的叶柄 # 这里可以使用形态学处理中的开运算 # 即 先进行腐蚀运算 # 再进行膨胀运算 # 图 * !’ " 即为消 除 叶 柄 后 的 二值化叶片图像 %
E**)2+<.*.+=>
!L "
!7 " 形状参数 !N;B, N(&F;B " 是叶片面积和周长的计算值 &
&’()*+ ,-+./0
1)23+45/627.2385/9 :.7+45/627.23;5/9
!+ "
!* " 矩形度 !G$&F(/=<A(B.FH " 是 叶 片 面 积 与 叶 片 最 小 包 围 盒 面积的比值 &
!( " 受侵蚀叶片 !) " 阈值分割结果
,)*+-2361-<.+=>
B)<.C)+)< @/2A)9.+=>
!$ " 轮廓图像 图* !% " 部分形状描述图示 受侵蚀叶片预处理
B)<.C)+)< @/2A)9 B)<.C)+)<
!5 "
!9 " 球 状 性 ! KE@$B.&.FH " 是 叶 片 面 积 与 叶 片 凸 包 周 长 的 计 算 值&
*64
轮廓提取
!* " 根据灰度门限 "# 将图像分割为前 景 和 背 景 # 分 别 求 出 两者的平均灰度值 $3 和 $* $ !4 " 求出新灰度门限 "#%3 1
$3 2$* $ *
4
特征提取
通常可用于植物叶片分类的图像特征有很多 # 比如形状特
!5 " 若 "# 1"#%3 # 则 " # 即 为 灰 度 门 限 # 否 则 到 第 !* " 步 # 继 续 迭代计算 %
);- "’ 凸 包 !&;/?$- @<AA "’ 外 切 圆 !$-&.B&A$ " 和 内 切 圆 !./C&B.)$’ &.B&A$ " 等 # 并 通 过 它 们 计 算 得 到 了 7 项 相 对 值 几 何 特 征 & 纵 横
轴比 ’ 矩 形 度 ’ 面 积 凹 凸 比 ’ 周 长 凹 凸 比 ’ 球 状 性 ’ 圆 形 度 ’ 偏 心 率 ’ 形状参数 % !+ " 纵 横 轴 比 ! DCE$&F G(F.; " 是 叶 片 最 小 包 围 盒 的 长 宽 比值&
作者简介 " 王晓峰 ! 男 ! 硕士研究生 ! 主要研究方向 $ 计算机图像处理与识别 " 黄德双 ! 男 ! 教授 ! 博士生导师 " 杜吉祥 ! 男 ! 博士研究生 " 张国军 ! 男 ! 硕士研究生 "
Z=,
!""!#"#! 计算机工程与应用
! ! ! ! !+ " 求 出 整 幅 图 像 的 最 大 灰 度 值 和 最 小 灰 度 值 # 分 别 记 为 !,(- 和 !,./# 令初始灰度门限 "0 1 !,(- 2!,./ $ *
AB5$&-)$$ QF1@ O0OCP 16APDIB:C@ 0 /CAFDI D4 PC:D761T167 2C04 1/07C@ U0@CI D6 @F0OC 4C0ABPC@9V1P@A2J !5C 0OO2J 1/07C OPC .OPD:C@@167 AC:F61WBC@ AD 7CA AFC :D6ADBP@ D4 AFC 2C0SC@9QFC6 5C C3AP0:A C17FA 7CD/CAP1: 4C0ABPC@ 16:2BI167 PC:A067B20P1AJ !:1P:B20P1AJ !C::C6AP1:1AJ !CA: !06I @CSC6 /D/C6A 16S0P106A@ 4PD/ 2C0SC@ ’ :D6ADBP@ 4DP :20@@141:0A1D69V16022J 5C OPDOD@C 0 6C5 /DS167 /C6ACP FJOCP@OFCPC :20@@141CP AD 0IIPC@@ AFC@C @F0OC 4C0ABPC@9H@ 0 PC@B2A AFCPC 0PC /DPC AF06 X, Y16I@ D4 O206A 2C0SC@ @B::C@@4B22J PC:D761TCI9QFC 0SCP07C :DPPC:A PC:D761A1D6 P0AC 1@ BO AD =X OCP:C6A9 C"DE+&.5 $ 2C04 1/07C@ !1/07C OPC.OPD:C@@167!4C0ABPC C3AP0:A1D6 !/DS167 :C6ACP FJOCP@OFCPC :20@@141CP
3 象素构成的 # 因此需要寻找由 3 象素构成的轮廓点 # 对于 3
象素点我们考虑跟踪其 7 个方向的邻域 # 同时采用弗里曼链码 法 89:对找到的轮廓点进行编码 % 具体跟踪算法步骤如下 & !3 " 按照从上到下 # 从左到右的顺序扫描图像 # 得到的第一 个象素值为 3 的点定为起始点 #如果找不到起始点则算法结束 $
!! " 圆 形 度 !I.B&<A(B.FH " 是 叶 片 内 切 圆 半 径 与 外 切 圆 半 径 的比值 &
@.<*61-<.+=>
,.2’*<.5)7 *.<*1) ,)9*.<*1) &9.’F)23+41/23 &9.’F)23+4’4/<+
!! "
!L " 偏心率 !M&&$/FB.&.FH " 是叶片自身长轴与短轴的比值 &
叶片图像特征提取与识别技术的研究
王晓峰 *!%
*
黄德双 *
杜吉祥 *
张国军 *
! 中国科学院合肥智能机械研究所 "合肥 %+,"+$# % ! 合肥学院计算机科学与技术系 " 合肥 %+""%%$
-./012 $345067811/90:9:6
ቤተ መጻሕፍቲ ባይዱ
摘
要
文章介绍了一种基于叶片图像的形状特征对叶片进行识别的方法 % 首先对叶片图像进行预处理并且提取出叶
%&$
阈值分割
在这里分割的目的是为了把叶片与其背景分开并形成二
值图像 ! 以便于其后进行的轮廓提取和形状特征的计算 " 由于 不同种类叶片的颜色并不一样 ! 因此在转成灰度图像后很难用 一个统一的灰度门限进行分割 ! 因此我们必须针对每一幅图像 计算其灰度门限 " 根据对叶片图像灰度直方图的观察 ! 我们发 现叶片与背景的灰度级存在着明显的差异 ! 根据这一特点我们 选 择 了 计 算 较 为 方 便 的 迭 代 阈 值 选 择 法 ’()来 计 算 灰 度 门 限 ! 具 体步骤如下 $
!* " 按逆时针顺序从当前点右边开始搜索其 7 个方向的邻 域 点 #如 果 找 到 一 个 未 曾 搜 索 过 的 3 象 素 点 #并 且 该 点 上 下 左 右 5 个 方 向 含 有 0 象 素 点 #则 把 当 前 点 置 为 该 邻 域 点 #记 录 下 相应的链码值 # 重复该过程直到找到初始点 % 图 * !$ " 显示了对图 * !’ " 中叶片轮廓的跟踪结果 %
由于叶片的轮廓是叶片自身的象素子集 # 且轮廓同样含有
D(4)<.*.+=1
5!!&<)* @/2A)9 B)<.C)+)<
!9 "
丰富的形态信息 # 通过轮廓来计算形状特征比通过叶片本身来 说计算量要小一些 # 在大批量的叶片样本处理情况下更是明显 节 约 了 时 间 #因 此 需 要 进 一 步 提 取 叶 片 的 轮 廓 #我 们 采 用 了 轮 廓跟踪法来找出轮廓 % 可以看到分割后的图像里叶片目标是由
征 ’ 颜色特征和纹理特征等 # 根据植物分类的相关理论 # 叶片的 形状特征是判断叶片所属种类的最重要和最有效的依据 # 因此 我们首先考虑提取叶片的几何形状特征用于分类 % 根据我们采 集 的 叶 片 来 看 #不 同 种 类 叶 片 的 形 状 存 在 着 较 大 的 差 异 #即 使 是同一种叶片其大小比例也可能有所不同 # 这样周长 ’ 面积 # 纵 轴长 ’ 横轴长等常用的绝对值特征就不太适合作为分类依据 # 应该考虑使用一些相对值特征 # 在这里我们可以利用叶片轮廓 得到一些形状描述 ! 图 * !% " 所 示 "# 包 括 最 小 包 围 盒 !);</’./=>