圖像識別的向日葵葉部銹病診治范文

本站小編為你精心準備了圖像識別的向日葵葉部銹病診治參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《電子測試雜志》2015年第四期

1向日葵葉部病害圖像特征提取

1.1顏色特征提取顏色是描述向日葵葉部病害最直接的視覺特征，顏色空間是采用某種數學方法來形象化表示顏色的，常見的顏色空間有RGB、HSI、XYZ等。在農作物病害圖像研究中主要采用RGB和HSI顏色模型，在自然環境下采集到的向日葵病害葉部圖像容易受光照等外界因素影響（即對亮度較敏感），而RGB顏色模型各分量與亮度密切相關（即圖像亮度改變，R、G、B三分量也隨之改變），由此可見，RGB顏色空間并不能準確表達病害圖像的顏色特征。與RGB顏色模型相比，HSI顏色模型更符合人的視覺特性，不僅可以避免光照和不同采集方法對病害樣本圖像的影響，而且可以有效地減少病害圖像顏色信息的丟失，更好的體現病斑的顏色特征，所以本研究將病害圖像從RGB顏色空間轉換到HSI顏色空間，轉換完成后，提取出HSI模型的三個顏色分量作為區分不同向日葵葉部病斑顏色特征的主要研究對象。HSI顏色空間和RGB顏色空間僅是同一物理量的兩種不同表示法，它們之間存在著某種轉換關系。若存在一幅RGB格式的彩色圖像，將其轉換為HSI格式圖像轉換公式如下所示。選取兩幅向日葵葉部銹病圖像進行顏色特征參數比較，通過比較H、S、I三個分量的均值分布圖，進行H、S、I三個顏色分量與向日葵銹病診斷的研究。經查閱資料及反復試驗確定由H分量作為顏色特征參量標準，進行相似度測定。

1.2紋理特征提取紋理特征描述主要有統計法和結構法兩種方法。由于向日葵葉片紋理是在自然生存環境下形成的，其紋理在個別像素點上無規則可循，但在像素點聚集的某個區域內會體現出規律性，這屬于準規則紋理，不適合利用結構的方法對其進行描述。因此，本文利用灰度共生矩陣對向日葵葉部病斑紋理進行研究分析，通過對比分析提取出最佳紋理特征參數作為向日葵葉部不同病害紋理識別的判別依據。由于灰度共生矩陣不能直接用于描述圖像的紋理特征，所以采用矩陣狀況的統計量，常用的有以下幾種。由向日葵銹病圖像作為紋理特征參數的分析展示。研究分析病害分別在距離d=1和角度分別為0o、45o、90o、135o時灰度共生矩陣的特征，并分別提取它們的角能量、對比度、相關性、熵、逆差距共20個統計參量進行實驗研究分析。取其中一幅圖紋理特征參數如圖3-6所示：

2病害識別

運用紋理特征的方法對其余十幅銹病葉片圖進行參數分析，取值范圍如下：確定含銹病葉片紋理各參數大致范圍，進行識別。取10幅向日葵葉部圖片，其中含向日葵銹病圖6幅，經識別，其中4幅葉片圖含銹病，識別率達66.7%。雖然不是所有的銹病都能被正確地識別，還存在一定的誤差，但總體上可以較好的識別出病害葉片。

3結術語

本研究結合向日葵葉部染病時病斑所呈現的顏色、紋理等生物特征，采用先進的數字圖像處理技術對向日葵葉部病害進行診斷識別；并以MATLAB為平臺，實現向日葵葉部病害圖像預處理、病斑特征提取和病害診斷，最終對向日葵葉部銹病進行識別。在研究過程中得出如下結論：（1）向日葵葉部病害圖像預處理。本文經過對鄰域濾波法、中值濾波法和矢量中值濾波法進行比較分析之后，得出中值濾波法對圖像去噪效果較好，處理過程中很好的保留了病斑原始有用信息且圖像不模糊。葉部病斑分割時采用最大類間方差法自動求取閾值對向日葵葉部病斑進行分割。（2）向日葵葉部病斑特征提取。利用病斑的顏色特征和紋理特征，經過對多個特征描述進行對比試驗之后，選出6個特征參量（11個值）作為不同病害識別的依據。結果表明，選出的6個特征參量能夠較好地表示向日葵葉部病斑的特點。（3）向日葵葉部病害識別。通過顏色特征、紋理特征得出向日葵葉部是否含有銹病。

作者：狄鵬慧呂芳單位：內蒙古工業大學信息工程學院