基于葉部病害圖像的黃瓜病害檢測方法

安琪

摘要：在復雜的背景下有效分割出黃瓜病害是解決黃瓜病害防治的關鍵問題。目前，基于病害葉片圖像的病害檢測方法很多，但各種方法各有優(yōu)缺點。針對黃瓜常見的白粉病、炭疽病、根腐病3種病害葉片，對現(xiàn)有的分割方法進行對比分析，選擇效果較好的FCM算法，首先利用病害葉片圖像的H和S顏色分量對圖像進行顏色聚類，然后利用FCM算法進行病害檢測，最后以開閉交替運算去除毛刺達到平滑目標輪廓的效果，最后試驗結果表明，所提出的病害檢測方法是有效可行的。

關鍵詞：病葉圖像? 病斑分割? 病葉圖像分割

1 引言

黃瓜是我國各地夏季主要栽種的蔬菜之一，黃瓜病害是影響黃瓜產(chǎn)量的重要因素之一，為了提高黃瓜的品質(zhì)，對其病害及時進行防治，需要對其病害類型進行快速又準確的診斷。植物葉片是反應其受害的主要部分，根據(jù)黃瓜葉片的病變情況可以直觀的判斷出病害發(fā)生程度，便于進行防治。隨著近幾年各種算法的完善，以識別技術，視覺技術搭配圖像處理方法為核心的病變?nèi)~片提取方法的研究開始被不斷提出。

對于病斑圖像分割的方法有很多，但大多數(shù)僅用于對某一類或某幾類圖像進行分割，例如聚類算法、K-Means、自適應算法等，但并沒有一個直觀點的對比分析，基于這種狀況，本文在傳統(tǒng)期望最大化的基礎上將這幾種方法用于黃瓜葉部病斑分割上并進行了對比分析，并在此基礎上提出一種新的分割方法，為黃瓜葉部病害檢測與識別系統(tǒng)提供有力的技術支持，同時也對其他植物的病害圖像分割具有一定的參考價值。

2 病斑圖像的特征選擇

在圖像分割中常用的顏色空間模型主要有RGB、HSV和HSI。由于H和S分量跟人體感受顏色的方法密切相關，所以研究選擇與人眼視覺更相符合的HSI顏色空間模型。

RGB顏色模型轉(zhuǎn)換到HSI顏色模型的公式如下：

在HSI顏色空間模型中，病斑區(qū)域所包含的顏色信息都存在于H、S分量中。從病斑的H和S兩個顏色分量中可以看出病斑區(qū)域與正常區(qū)域有著明顯差異，表明在HSI顏色模型中進行病斑區(qū)域分割可以取得較好的效果。

3 實驗與分析

在MATLAB2017b平臺上，選取黃瓜常見的3種病害（白粉病、炭疽病、根腐?。﹫D像（圖1-a）作為試驗對象。通過FCM模糊聚類算法（圖1-b）、Otsu方法（圖1-c）、K均值聚類算法（圖1-d）、以及閾值分割法（圖1-e）來分割，并觀察分割結果。

然后另選一組圖片先將原始圖像轉(zhuǎn)換成HSI模型，通過H（圖2-b）和S（圖2-c）分量對圖像來進行聚類。然后用FCM（圖2-d）進行分割，最后采用開閉交替運算（圖2-e）對毛刺以及孤立的點進行去除以達到平滑目標輪廓的效果。

由表1可知，F(xiàn)CM算法分割精度高，經(jīng)過本文算法處理后的精度更高一點，表明本文算法對黃瓜病害葉片圖像的分割效果較好。

4 結論與討論

本文基于傳統(tǒng)期望最大化對幾種分割方法進行過對比分析，試驗結果表明，K均值聚類算法由于選取的初始聚類中心是隨機的，可能導致分割過程占用過程時間。Otsu分割僅針對單個目標或者感興趣的目標進行分割，當待分割圖像的灰度范圍偏大時，會有一部分目標探測損失。相比較而言，使用FCM算法進行分割，再通過開閉交替運算減少噪聲對聚類結果的影響的方法，在黃瓜病害葉片圖像分割中具有較高的準確性和穩(wěn)定性。

參考文獻

[1]蘇一峰，杜克明，李穎，孫忠富，鄭飛翔.基于物聯(lián)網(wǎng)平臺的小麥病害診斷系統(tǒng)設計初探[J].中國農(nóng)業(yè)科技導報，2016，18（02）：86-94.

[2]施文，鄒銳標，王訪，蘇樂.基于多重分形的油菜病害葉片圖像分割[J].湖南農(nóng)業(yè)大學學報（自然科學版），2014，40（05）：556-560.