水稻圖像病害特征提取技術試驗研究

常衛東

摘 ? 要：水稻是我國主要糧食作物之一，水稻病害中稻瘟病、胡麻葉斑病和白葉枯病發生面積大、流行性強、為害嚴重。通過對水稻病害圖像顏色特征、紋理特征、形狀特征、空間關系特征的分析和試驗，重點研究了多層分形和不變矩的水稻病害圖像多維特征，提出具有普適性的水稻病害圖像提取、病害圖像變換等新方法。該方法對提高水稻病害識別效率、減少人為因素的影響、推進作物數字化管理水平具有重要的科學意義和實踐意義。

關鍵詞：水稻病害;圖像特征;提取技術;試驗

水稻是我國人民的主食之一，水稻的豐產對保障我國糧食安全起著至關重要的作用。然而，在其種植過程中會出現各種病害，導致水稻減產甚至絕收。準確判斷水稻的各種病害，采取相應的措施保障水稻高產顯得尤為關鍵。通過水稻病害圖像提取其病害的關鍵特征信息，實現對水稻病害類型的識別，對推進我國智慧農業的發展具有重要的現實意義。

1 ? 水稻病害圖像的特征提取

1.1 ? 圖像的特征

常用的圖像特征有顏色特征、紋理特征、形狀特征、空間關系特征。顏色特征通常是指圖像中各個形狀區域的彩色特征，包括圖像中各個像素點的R、G、B特征，它能反映圖像的整體屬性，是圖像的一種全局特征。紋理特征則是反映圖像中各個形狀區域的細微形狀，通常由圖像形狀中顏色特征相似的那些像素點組成，反映的是圖像淺層次的內容。紋理特征通常采用對像素的特征進行統計的方法獲取。傳統意義上的形狀特征是指組成圖像各個局部特征的具體形狀，通過圖像的邊緣檢測確定那些由相似像素點組成的圖像的輪廓特征。除此之外，圖像的形狀特征也可以采用形狀不變矩來描述，它是通過對圖像特定區域的矩作為描述圖像形狀的方法。

1.2 ? 水稻病害圖像特征的提取

分形幾何理論中傳統的歐氏空間采用整數表示對象的維數，如線為一維、面為二維、空間為三維。在此基礎上把維數從整數擴充為分數就出現了分形[1-2]，分形中一個重要的參數指標就是維數。如果用尺度為r的小盒子覆蓋一個d維的幾何對象，對于數字圖像函數為f（x，y），歸一化的中心距定義為ηpq=μpq/（μ00ρ），其中ρ=（p+q）/2+1 ，μpq為p+q階中心距。利用2階和3階歸一化中心矩構造7個不變矩M1至M7，

7個不變矩構成一組特征量，具有旋轉、縮放和平移不變性[3]。

1.3 ? 水稻病害特征提取試驗

在研究中，我們首先從水稻稻瘟病、胡麻葉斑病和白葉枯病病害圖像中抽取3幅水稻稻瘟病、1幅胡麻葉斑病和3幅白葉枯病圖像，分別提取其中的盒子維、形狀、統計紋理、比顏色、十色和不變矩等特征。

研究的水稻病害圖像盒子維包括αmax、αmin、Δα、Δf、D1和D2共6個特征。水稻病害圖像形狀包括偏心率、實度、伸展度、長寬比、最短長、半徑比、圓形度、短長軸比、面積周長比、相對偏差率、圓形性、形狀復雜性、內等半徑比和半徑變數14個特征。水稻病害圖像不變矩包括1～7階Hu矩共計7個特征。本文研究的水稻病害圖像的盒子維、形狀和不變矩特征的參數分別與圖4～圖12的特征數相對應，提出實用有效的圖像處理和分析方法。

通過對水稻3種病斑參數的相似度檢測，在盒子維數中樣本的均方差較大的有αmax、Δα和Δf 3個特征，其他幾個參數的均方差只有前面3個的1%。形狀特征中方差較大的有圓形度、面積周長比和形狀復雜性3個特征，不變矩特征中方差較大的有1階Hu矩、2階Hu矩、3階Hu矩、4階Hu矩、5階Hu矩和6階Hu矩6個特征，總共特征數為11個。它們代表了水稻稻瘟病、胡麻葉斑病和白葉枯病圖像的主要特征。

2 ? 結論

傳統的水稻病害特征從水稻葉片病斑的形狀、紋理和顏色等方面進行描述。不同的病害圖像特征具有相似性，圖片拍攝空間位置變化引起病害圖像特征的改變，提取的特征在其不同的病害圖像中具有某些相似性，為后期的分類帶來較大的困難。多層分形和不變矩的水稻病害圖像的多維特征，既描述了水稻病害圖像的基本特征又具有空間不變性，因而能較好地反映其病害特征。通過試驗分析表明：水稻病害圖像最具典型的特征包括盒子維數中的αmax、Δα和Δf 3個特征;形狀包括圓形度、面積周長比和形狀復雜性3個特征，以及1～6階Hu矩共計11個特征。這11個特征代表了水稻病害的最重要特征，采用這11個特征能有效識別水稻病害的具體類型，從而提高水稻在防治病害領域的智能化水平。

參考文獻：

[ 1 ] 武震.基于分形理論的圖像分割[D].南京：南京航空航天大學，2002.

[ 2 ] 張運祥.分形理論及圖像分形維數實時計算的研究[D].廣州：第一軍醫大學，2001.

[ 3 ] 刁彥華，孟子鈺，王曉君.基于Hu不變矩的圖像形狀特征提取研究[J].網絡安全技術與應用，2017（10）：46-47.