基于關(guān)鍵點(diǎn)檢測(cè)的植物葉端特征自動(dòng)提取

陳建輝++鄭小東++趙中堂

摘要：為了實(shí)現(xiàn)植物葉端特征自動(dòng)提取，提出基于關(guān)鍵點(diǎn)檢測(cè)的葉端特征提取方法，即對(duì)原始圖像進(jìn)行預(yù)處理，獲得葉片輪廓；采用多邊形近似算法檢測(cè)關(guān)鍵點(diǎn)；通過(guò)對(duì)關(guān)鍵點(diǎn)分析判定葉端形態(tài)的基本類型，獲取葉頂角等特征數(shù)據(jù)。試驗(yàn)結(jié)果表明，該方法適用于多種形態(tài)的植物葉，可用于需要植物葉端特征自動(dòng)獲取的場(chǎng)合。

關(guān)鍵詞：葉端特征；自動(dòng)提?。欢噙呅谓扑惴?；關(guān)鍵點(diǎn)檢測(cè)；圖像處理

中圖分類號(hào)：S126文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2017）09-0205-03

葉端是植物葉片的一個(gè)組成部分。在植物形態(tài)分類學(xué)中，葉端特征是鑒別植物種類的形態(tài)特征之一。在植物氣候?qū)W研究中，葉端特征也具有重要作用，主要指葉端類型和葉頂角。目前，葉端特征的獲取主要依靠人工方式，即操作者通過(guò)觀察，根據(jù)知識(shí)和經(jīng)驗(yàn)判別葉端類型，借助測(cè)量工具手工測(cè)量葉頂角。實(shí)現(xiàn)植物葉端特征自動(dòng)提取有助于提高相關(guān)研究的工作效率。計(jì)算機(jī)圖像處理、模式識(shí)別等理論與技術(shù)的發(fā)展為實(shí)現(xiàn)植物葉特征自動(dòng)獲取提供了可能，一些研究者以植物種類自動(dòng)識(shí)別、植物病變智能診斷等為應(yīng)用目標(biāo)，開展了植物葉特征自動(dòng)提取研究工作[1-3]。相關(guān)研究比較側(cè)重植物葉圖像特征，如形狀、紋理等[4-7]，很少涉及植物葉植物學(xué)屬性特征。本研究提出基于關(guān)鍵點(diǎn)檢測(cè)的植物葉端特征自動(dòng)提取方法，該方法將植物葉端分成凹、尖、驟尖3種基本類型，同時(shí)設(shè)計(jì)葉頂角、凹陷深度、葉張角、葉尖角、葉尖長(zhǎng)度等參數(shù)，從定性和定量2個(gè)角度描述葉端特征。

1方法描述

基于關(guān)鍵點(diǎn)檢測(cè)的植物葉端特征自動(dòng)提取方法包括圖像預(yù)處理、關(guān)鍵點(diǎn)檢測(cè)、特征提取3個(gè)步驟，輸入為植物葉圖像，輸出為葉端類型與特征數(shù)據(jù)。特征參數(shù)與葉端類型相關(guān)聯(lián)，不同葉端類型具有不同的特征參數(shù)（圖1）。

1.1圖像預(yù)處理

使用掃描儀或CCD相機(jī)等獲取植物葉圖像。為了簡(jiǎn)化后續(xù)處理，圖像采集時(shí)可以將植物葉片背景設(shè)置為單一白色背景，同時(shí)要求植物葉片的葉柄向下、葉端向上。原始圖像中背景部分通常包含一些點(diǎn)或斑塊噪聲，可采用區(qū)域標(biāo)記的方法去除，首先標(biāo)記出圖像中各區(qū)域，然后找到面積或周長(zhǎng)最大區(qū)[CM（25]域，去除其他區(qū)域即可。原始圖像中如果包含植物葉柄，可基于形狀特征去除葉柄[8]。圖像采集時(shí)，雖然要求植物葉柄向下、葉端向上，但圖像中葉片的位置仍有一定的隨機(jī)性。為了保證后續(xù)特征提取對(duì)葉片方位唯一性的要求，可采用慣性主軸法找到葉片主軸[9]，然后進(jìn)行圖像旋轉(zhuǎn)，將葉片旋轉(zhuǎn)至主軸與縱軸平行的位置。從葉片左上點(diǎn)開始，沿順時(shí)針方向，采用輪廓跟蹤算法獲取植物葉片輪廓上各點(diǎn)[10]。

圖2-a為一組原始圖像[11]，圖2-b為圖像預(yù)處理結(jié)果，圖2-c為圖像多邊形近似處理結(jié)果，關(guān)鍵點(diǎn)以圖形標(biāo)出。

1.2關(guān)鍵點(diǎn)檢測(cè)

植物學(xué)中計(jì)算葉頂角時(shí)，通常只考慮葉片上部h/4部分（h為葉片高度）[12]。本研究沿用植物學(xué)中的做法，針對(duì)葉片上部h/4部分提取葉端特征。這部分的輪廓包含多個(gè)點(diǎn)，提取葉端特征時(shí)只須關(guān)鍵的幾個(gè)點(diǎn)即可。首先選擇距離葉片頂部h/4的水平線與葉片輪廓相交的2個(gè)點(diǎn)作為2個(gè)關(guān)鍵點(diǎn)，然后檢測(cè)其余關(guān)鍵點(diǎn)。

多邊形近似處理是形狀特征提取的常用方法[13]，其基本思想是將物體輪廓看成一個(gè)閉合曲線，將該曲線拆分成若干段，每一段用連接它的2個(gè)端點(diǎn)的直線段代替，所有直線段首尾相連構(gòu)成物體輪廓的近似多邊形。目前已有許多求解平面曲線近似多邊形的方法，如順序跟蹤法、拆分與合并方法、關(guān)鍵點(diǎn)檢測(cè)法、基于遺傳算法等。其中，拆分與合并方法具有簡(jiǎn)單、快速的優(yōu)點(diǎn)，但結(jié)果與搜索起始點(diǎn)相關(guān)[14]。

可采用多邊形近似算法檢測(cè)其余關(guān)鍵點(diǎn)，即將葉片近似多邊形的頂點(diǎn)作為關(guān)鍵點(diǎn)。由于在圖像預(yù)處理階段已經(jīng)確定植物葉片在圖像中的唯一方位，因此距離葉片頂部h/4水平線上的2個(gè)關(guān)鍵點(diǎn)也具有確定性，可以將這2個(gè)關(guān)鍵點(diǎn)作為起始點(diǎn)，采用拆分算法求其余關(guān)鍵點(diǎn)，具體如下：（1）求局部輪廓上各點(diǎn)到該輪廓2端點(diǎn)（即關(guān)鍵點(diǎn)）連線的最大距離。（2）判斷最大距離是否大于給定的閾值k，如果是，往下繼續(xù)，否則結(jié)束該局部輪廓的求解。（3）記最大距離對(duì)應(yīng)的點(diǎn)為關(guān)鍵點(diǎn)，以該點(diǎn)為分界點(diǎn)，將該輪廓段拆分為2段，分別以2段新拆分的輪廓為輸入，轉(zhuǎn)到（1）。

由圖2-c可以直觀看出，根據(jù)檢測(cè)到的關(guān)鍵點(diǎn)進(jìn)行葉端特征提取簡(jiǎn)化了葉端特征提取問(wèn)題。

1.3特征提取

植物學(xué)中葉端分為多種類型[15]（圖3）。本研究將葉端分為凹、尖、驟尖3種基本類型。其中，凹類型對(duì)應(yīng)圖3中的微凹、尖凹、凹缺、心形等4種類型，尖類型對(duì)應(yīng)銳尖、鈍尖等2種類型，驟尖類型對(duì)應(yīng)凸尖、漸尖、尾狀、芒尖、聚凸、卷須狀等6種類型。

特征提取時(shí)，首先判斷當(dāng)前葉片的葉端屬于哪種基本類型，然后提取特征數(shù)據(jù)，特征數(shù)據(jù)用于描述相同類型不同個(gè)體的形態(tài)差異，具體如下：（1）判斷關(guān)鍵點(diǎn)中是否存在水平凹點(diǎn)。水平凹點(diǎn)的特征是該點(diǎn)的高度（相對(duì)于葉片最下端）小于其左、右相鄰關(guān)鍵點(diǎn)的高度。如果存在，判定該葉片葉端類型為凹類型，水平凹點(diǎn)即葉端頂點(diǎn)，轉(zhuǎn)到（5）；否則往下繼續(xù)。（2）找到關(guān)鍵點(diǎn)中高度最大的點(diǎn)，視為葉端頂點(diǎn)。分別在葉端頂點(diǎn)左右兩側(cè)關(guān)鍵點(diǎn)中搜索凹角點(diǎn)，凹角點(diǎn)的特征是該點(diǎn)左右兩側(cè)的關(guān)鍵點(diǎn)的連線中點(diǎn)不在葉片上。如果找到，判定該葉片葉端類型為驟尖類型，凹角點(diǎn)即驟尖開始位置，轉(zhuǎn)到（4）；否則往下繼續(xù)。（3）以葉端頂點(diǎn)為頂點(diǎn)，葉端頂點(diǎn)與高度最小的2個(gè)關(guān)鍵點(diǎn)的連線為邊，計(jì)算葉頂角；以葉端頂點(diǎn)為頂點(diǎn)，以葉端頂點(diǎn)與其左右兩側(cè)相鄰的關(guān)鍵點(diǎn)的連線為邊，計(jì)算葉張角；結(jié)束。（4）采用與（3）相同的方法計(jì)算葉頂角；采用（3）中計(jì)算葉張角的方法計(jì)算葉尖角；計(jì)算驟尖開始位置到葉端頂點(diǎn)的距離，與葉片高h(yuǎn)相除，作為葉尖長(zhǎng)度；結(jié)束。（5）分別在葉端頂點(diǎn)兩側(cè)搜索高度最大的關(guān)鍵點(diǎn)；以葉端頂點(diǎn)為頂點(diǎn)，葉端頂點(diǎn)與2個(gè)關(guān)鍵點(diǎn)的連線為邊，計(jì)算葉頂角；計(jì)算葉端頂點(diǎn)到2個(gè)關(guān)鍵點(diǎn)連線的距離，與葉片高h(yuǎn)相除，作為凹陷深度；結(jié)束。

2試驗(yàn)結(jié)果與分析

利用中國(guó)科學(xué)院智能計(jì)算實(shí)驗(yàn)室植物葉片數(shù)據(jù)庫(kù)中的圖像對(duì)上述方法進(jìn)行測(cè)試[11]。圖4各葉片特征提取結(jié)果見表1。

結(jié)合圖4、表1可知，基于關(guān)鍵點(diǎn)檢測(cè)的葉端特征提取方法能夠?qū)⒅参锶~端區(qū)分為3種基本類型。該方法獲取的特征數(shù)據(jù)能夠在基本類型內(nèi)對(duì)不同形態(tài)的葉端進(jìn)一步加以區(qū)分。如果需要，可以根據(jù)特征數(shù)據(jù)能夠還原葉端的大致形態(tài)。

3討論

在特征提取方法中，關(guān)鍵點(diǎn)檢測(cè)是重要的一環(huán)，本研究采用基于拆分的多邊形近似算法，其中閾值k是關(guān)鍵因素，k的取值應(yīng)根據(jù)具體植物葉片的形態(tài)和應(yīng)用需求確定，稍許偏差對(duì)結(jié)果不會(huì)有太大影響。在實(shí)際應(yīng)用中，如果需要的精度和圖像分辨率已經(jīng)確定，k的取值可通過(guò)標(biāo)定的方法確定，首先根據(jù)植物學(xué)方法手工測(cè)量某張植物葉片的葉頂角，然后采用本研究的方法測(cè)量該葉的葉頂角，對(duì)比手工和計(jì)算機(jī)測(cè)量結(jié)果，根據(jù)需要調(diào)整k值，直到滿足精度需求。標(biāo)定后，保持圖像采集分辨率和k值不變，可對(duì)其他植物葉進(jìn)行葉端特征自動(dòng)提取。

在特征提取方法設(shè)計(jì)過(guò)程中，主要以葉緣無(wú)鋸齒的葉片為試驗(yàn)對(duì)象，設(shè)計(jì)的方法對(duì)這些植物葉片是適用的。然而，有些植物葉片是有鋸齒的。對(duì)有鋸齒的植物葉片進(jìn)行測(cè)試，發(fā)現(xiàn)k的取值受到鋸齒形態(tài)的干擾，雖然當(dāng)k取值恰當(dāng)時(shí)關(guān)鍵點(diǎn)的檢測(cè)也比較成功（圖5），特征提取也較為理想，但k的取值須根據(jù)鋸齒形態(tài)進(jìn)行人工確定，降低方法的自動(dòng)性。解決該問(wèn)題的一個(gè)思路是在圖像預(yù)處理后搜索葉片輪廓上的局部凸起頂點(diǎn)（即各鋸齒頂點(diǎn)），以這些點(diǎn)代替葉片輪廓進(jìn)行后續(xù)的關(guān)鍵點(diǎn)檢測(cè)、特征提取，這樣就消除了葉緣鋸齒帶來(lái)的干擾。鋸齒頂點(diǎn)的判定可借助SUSAN算法等實(shí)現(xiàn)[16]。

4結(jié)論

基于關(guān)鍵點(diǎn)檢測(cè)的葉端特征提取方法適用于多種形態(tài)的植物葉片，能夠定性描述葉端的類型，定量區(qū)分同一形態(tài)類型的不同個(gè)體。葉端特征提取方法可用于植物分類、植物建模等場(chǎng)合。

參考文獻(xiàn)：

[1]Cope J S，Corney D，Clark J Y，et al. Plant species identification using digital morphometrics：a review[J]. Expert Systems with Applications，2012，39（8）：7562-7573.

[2]張寧，劉文萍. 基于圖像分析的植物葉片識(shí)別技術(shù)綜述[J]. 計(jì)算機(jī)應(yīng)用研究，2011，28（11）：4001-4007.

[3]賴軍臣，李少昆，明博，等. 作物病害機(jī)器視覺診斷研究進(jìn)展[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2009，42（4）：1215-1221.

[4]李晨，姚瑋，韓忠偉，等. 利用CBIA與WSN構(gòu)建的植物葉片分類系統(tǒng)[J]. 計(jì)算機(jī)應(yīng)用研究，2015（11）：3336-3340.

[5]張善文，王獻(xiàn)鋒，王震，等. 基于概率局部判斷映射的植物分類方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015（11）：215-220.

[6]Chaki J，Parekh R，Bhattacharya S.Plant leaf recognition using texture and shape features with neural classifiers[J]. Pattern Recognition Letters，2015，58（C）：61-68.

[7]Munisami T，Ramsurn M，Kishnah S，et al.Plant leaf recognition using shape features and colour histogram with K-nearest neighbour classifiers[J]. Procedia Computer Science，2015（58）：740-747.

[8]鄭小東，王曉潔，趙中堂. 基于形狀特征的植物葉柄與葉片分割算法[J]. 計(jì)算機(jī)工程與設(shè)計(jì)，2010，31（4）：918-920.

[9]鄭小東，王曉潔，高潔. 面向植物分類的被子植物葉形特征自動(dòng)提取[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2011，27（15）：149-153.

[10]姚敏. 數(shù)字圖像處理[M]. 北京：機(jī)械工業(yè)出版社，2006.

[11]Intelligent Computing Laboratory，Chinese Academy of Sciences. Plant leaf image dataset[DB/OL]. [2016-01-02]. http：// www. intelengine. cn/ English/ dataset.

[12]Leaf Architecture Working Group.Manual of leaf architecture：morphological description andcategorization of dicotyledonous and net-veined monocotyledonous angiosperms[M]. Washington DC：Smithsonian Institution，1999.

[13]何蓮，蔡敬菊，張啟衡. 多邊形近似及形狀特征匹配的二維目標(biāo)檢測(cè)[J]. 激光與紅外，2011，41（6）：700-705.

[14]Wu J S，Leou J J.New polygonal approximation schemes for object shape representation[J]. Pattern Recognition Letter，1995，16（2）：161-169.

[15]揚(yáng)州大學(xué). 《植物學(xué)》精品課程[EB/OL]. [2016-01-02]. http：//jpkc.yzu.edu.cn/course/zwx/0501kcjc_1401.htm.

[16]鄭小東，王曉潔，高潔. SUSAN算法在植物葉緣特征提取中的應(yīng)用[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2011，27（27）：174-178.