植物葉片形狀特征提取的方法研究

摘要：植物葉片的特征提取對(duì)植物圖像識(shí)別的研究有重要意義。根據(jù)葉片特征進(jìn)行圖像分割，特征提取，分類(lèi)識(shí)別，將圖像處理與植物分類(lèi)學(xué)結(jié)合起來(lái)，對(duì)農(nóng)業(yè)技術(shù)發(fā)展有重要意義。本文就形狀特征提取作探討。

關(guān)鍵詞：邊緣檢測(cè)；特征提?。籋u不變矩

中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 （2012） 22-0000-02

1 引言

自然界中植物種類(lèi)繁多，地球上現(xiàn)存的已知的約50多萬(wàn)種植物。植物對(duì)人類(lèi)生活有極其重要的作用，為了能更好的運(yùn)用植物與識(shí)別植物，對(duì)植物的分類(lèi)與識(shí)別成為了重要的研究領(lǐng)域。結(jié)合圖像處理技術(shù)進(jìn)行植物圖像的識(shí)別將是行之有效的方法，那么特征提取將是成功進(jìn)行圖像識(shí)別的重要基礎(chǔ)。

植物葉片的數(shù)碼照片主要是通過(guò)數(shù)碼相機(jī)和掃描儀獲取，拍照時(shí)把葉子平鋪在白紙上，盡量保持葉片的完整形狀，可以減少雜亂背景的干擾。在進(jìn)行特征提取前還要做一定的預(yù)處理工作。

2 圖像的預(yù)處理

圖像的預(yù)處理工作有很多，如圖像灰度化，閾值分割等，預(yù)處理的好壞直接影響到圖像特征提取的精度和準(zhǔn)確度。

2.1 圖像灰度化

灰度化目前可以采用的方法很多如分量法、最大值法、平均值法和加權(quán)平均法。

加權(quán)平均法根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。由于人眼對(duì)綠色的敏感最高，對(duì)藍(lán)色敏感最低，因此，對(duì)RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。以黃楊葉片為例，處理結(jié)果如圖1（b）所示

2.2 圖像二值化

所謂二值化就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，可以使整個(gè)圖像呈現(xiàn)出明顯的黑白效果，能凸顯出感興趣的目標(biāo)的輪廓。二值化為進(jìn)一步提取葉片的輪廓和形狀特征奠定了基礎(chǔ)。由于拍攝植物葉片時(shí)盡量去除了背景的干擾，直方圖呈明顯的二峰特征。比較常用的方法有雙峰法，迭代法和最大類(lèi)間方差法。

雙峰法假定目標(biāo)和背景具有不同的灰度級(jí)，目標(biāo)和背景分別形成高峰，最低谷處就是圖像的閾值所在。實(shí)驗(yàn)證明前景和背景對(duì)比強(qiáng)烈時(shí)，分割效果好。

迭代法是雙峰法的改進(jìn)，基于逼近的思想，此方法可以完成閾值的自動(dòng)選取。

Otsu方法是大津在1979年提出的，是一種自適應(yīng)的閾值確定的方法，也叫最大類(lèi)間方差法。它是按圖像的灰度特性，將圖像分成背景和目標(biāo)兩部分。背景和目標(biāo)之間的類(lèi)間方差越大，說(shuō)明構(gòu)成圖像的兩部分的差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小。因此，使類(lèi)間方差最大的分割意味著錯(cuò)分概率最小。

其處理結(jié)果如圖1（c）所示。二值化是植物葉片預(yù)處理中最為關(guān)鍵的步驟，其結(jié)果的好壞決定了邊緣檢測(cè)和輪廓提取結(jié)果的好壞，從而決定了葉子輪廓定位能否成功。

實(shí)驗(yàn)證明Otsu方法可以得到較好的二值化圖像。大津法選取出來(lái)的閾值非常理想，對(duì)各種情況的表現(xiàn)都較為良好。

2.3 邊緣檢測(cè)與輪廓提取

邊緣檢測(cè)是圖像處理中的重要內(nèi)容，是圖像處理和計(jì)算機(jī)視覺(jué)中，尤其是特征提取中的一個(gè)研究領(lǐng)域。所謂邊緣就是指周?chē)袼鼗叶扔须A躍變化或屋頂變化的那些像素的集合。常見(jiàn)的邊緣點(diǎn)有3種。分別是階梯形邊緣、屋頂型邊緣和線性邊緣。

在植物圖像識(shí)別中邊緣檢測(cè)也是很重要的。葉片的邊緣輪廓包含了它的形狀特征，如果我們能夠成功地得到圖像的輪廓，那么圖像分析就會(huì)大大簡(jiǎn)化，圖像識(shí)別就會(huì)容易很多。

邊緣檢測(cè)的方法主要有以下幾種：

利用光柵掃描，如果像素值由1變?yōu)?就將當(dāng)前像素Ps的坐標(biāo)（i，j）記錄下來(lái)。從像素（i，j+1）開(kāi)始逆時(shí)針?lè)较蛴?jì)算8-鄰接像素，這種方法可以將葉片的邊緣輪廓找出。

檢測(cè)梯度的最大值和檢測(cè)二階導(dǎo)數(shù)的零交叉點(diǎn)也是常常用的檢測(cè)方法。

一些經(jīng)典的邊緣檢測(cè)算子有：Roberts算子，Sobel算子，Canny算子等。

Canny算子或者是改進(jìn)的Canny是比較常用的邊緣檢測(cè)方法。Canny研究了設(shè)計(jì)一個(gè)用于邊緣檢測(cè)最優(yōu)預(yù)平滑濾波器中的問(wèn)題，后來(lái)他說(shuō)明這個(gè)濾波器能夠很好地被一階高斯導(dǎo)數(shù)核優(yōu)化。另外還引入了非最大抑制概念，它是把邊緣定義為在梯度方向具有最大梯度值的點(diǎn)。實(shí)驗(yàn)表明在葉片邊緣檢測(cè)中，Canny算子可以得到較好的效果，如圖1（d）所示。

3 形狀特征提取

形狀特征是植物葉片比較典型的特征，是植物分類(lèi)學(xué)中比較重要的分析指標(biāo)。形狀特征主要包括矩形度、寬長(zhǎng)比、圓形度、球狀性、偏心率等。

矩形度是指葉片面積與其最小外接矩形的面積比。寬長(zhǎng)比是指葉片的最小外接矩形的寬與長(zhǎng)的比值。圓形度是葉片內(nèi)切圓半徑與外切圓半徑的比值，可以用來(lái)描述葉片邊界的復(fù)雜程度。球狀度指葉片面積與其最小外接圓形周長(zhǎng)的比值。偏心率指葉片長(zhǎng)軸與短軸的比值。

通過(guò)實(shí)驗(yàn)得到植物葉片的五項(xiàng)幾何特征數(shù)值分別為0.5798、0.5071、0.4983、0.2159、1.9231。

除了以上提到的幾何特征外，圖像的矩特征也常常引入到葉片的特征識(shí)別當(dāng)中。其對(duì)旋轉(zhuǎn)、鏡像和尺度變換不敏感，可以作為重要的特征指標(biāo)。

通過(guò)實(shí)驗(yàn)可得出的葉片7個(gè)Hu不變矩如表1所示。

以上我們通過(guò)Matlab實(shí)驗(yàn)提取了植物葉片的特征值，它們分別是5個(gè)形狀特征和7個(gè)不變矩，為進(jìn)一步進(jìn)行植物葉片圖像的分類(lèi)和識(shí)別奠定了基礎(chǔ)。

參考文獻(xiàn)：

[1]杜吉祥.植物物種機(jī)器識(shí)別技術(shù)的研究.中國(guó)科學(xué)技術(shù)大學(xué)博士學(xué)位論文，2005.

[2]王曉峰，黃德雙，杜吉祥，張國(guó)軍.葉片圖像特征提取與識(shí)別技術(shù)的研究，2006.

[3]張德豐.數(shù)字圖像處理（MATLAB版），2009.

[4]胡學(xué)龍.數(shù)字圖像處理（第2版），2011.