基于改进遗传算法的作物叶片病斑分割算法

栗娜　李萍　张善文

摘要：基于改进遗传算法提出了一种作物病害叶片病斑图像分割算法。首先，将病害叶片图像运用分层抽样得到若干子样本。在每个子样本中运用改进遗传算法极大化样本的均值与方差比；其次，基于获得的样本信息对阈值数目和阈值进行自动预测；最后，利用一种确定性算法对阈值数和阈值进行进一步优化。结果表明，该算法无需考虑叶片图像的纹理和分割数等先验信息，具有较高的易用性，能获得较准确的叶片病斑图像。

关键词：病害叶片图像；图像分割；遗传算法；改进遗传算法

中图分类号： TP391.41 文献标志码： A 文章编号：1002-1302（2014）07-0140-03

收稿日期：2013-12-16

基金项目：河南省郑州市科技攻关计划（编号：131PPTGG426）；西亚斯国际学院引进人才项目（编号2012YJRC01、2012YJRC02）。

作者简介：栗娜（1979—），女，郑州市人，硕士研究生，讲师，主要从事计算机应用技术方面的研究。E-mail：19360666@qq.com。

通信作者：张善文，男，博士，教授，研究方向为模式识别及应用。E-mail：wjdw716@163.com。图像分割是把图像分割成若干个具有独特性质的区域，并从中提取出感兴趣的目标。在对病害叶片图像分割方法研究和应用中，人们往往仅对病害叶片的病斑图像感兴趣，这些病斑图像对应于叶片图像中特定的、具有独特性质的区域。作物病害识别一般是根据作物的病害叶片来进行识别。对采集到的作物病害叶片图像进行分析处理，从而进行病害诊断。基于病害叶片的作物病害诊断过程主要由叶片图像采集、病斑分割、特征提取和特征识别阶段。从病害叶片中分割病斑是作物病害诊断的一个关键步骤。其分割结果是否准确直接影响后期的病害诊断效率和效果。如果病斑图像分割出现错误，无论后期的特征提取和模式识别阶段多么准确，最终得到的病害诊断结果一定是错误的。常用的图像分割技术有阈值分割法、区域法、人工神经网络法等[1-5]。但目前还没有效果很好且普遍适用的叶片病斑图像分割规则。作物病害叶片图像成分复杂，病害叶片上的病斑排列无规则，颜色深浅不一，且存在一定的随机噪声[6-8]。叶片图像由病斑部分和正常部分组成，其分割可以看成是1个2类问题，可运用模式识别的分类方法分割图像[9-11]。笔者采用RGB空间作为模式分类的特征空间，并在此基础上，根据遗传算法[12]，求取分割阈值，对叶片图像进行分割。病害叶片图像分割方法主要有阈值分割、基于边缘检测和连接的分割、区域分割以及基于遗传算法等的混合分割。其中，阈值分割是最基本和应用最广泛的分割技术，其分割方法操作简单、计算量小且性能较稳定。但阈值的确定仍然是一个公认的难题。本研究在改进遗传算法的基础上，提出一种作物病害叶片病斑分割方法。

1改进遗传算法

为了克服标准遗传算法的不足，介绍一种基于种群的按个体适应度大小排序的选择算法来代替轮盘赌选择的遗传算法。其步骤归纳如下：

（1）在初始种群中，首先对所有的个体按其适应度大小进行排序，再计算个体的支持度和置信度。

（2）按一定的比例复制（即将当前种群中适应度最高的2个个体结构完整地复制到待配种群中）。

（3）按个体所处的位置确定其变异概率并变异；按优良个体复制4份、劣质个体不复制的原则复制个体。

（4）从复制组中随机选择2个个体，对这2个个体进行多次交叉，从所得的结果中选择1个最优个体存入新种群。

（5）若满足结束条件，则停止；否则，跳转至第（1）步，直至找到所有符合条件的规则。

该改进算法的优点是在代的每一次演化过程中，子代总是保留了父代中最好的个体，以在“高适应度模式为祖先的家族方向”搜索出更好的样本，从而保证最终能够搜索到全局最优解。

2作物病害叶片病斑分割算法

将作物病害叶片的灰度图像看成是由像素值组成的集。病斑分割算法的具体流程为：（1）采用分层抽样方法将叶片图像分成若干个子样本；（2）在每一个子样本中运用改进遗传算法极大化样本的均值与方差比；（3）利用获得的样本信息对阈值数目和阈值进行自动预测。图1为病斑分割算法的流程图。

4结论

当前基于图像处理的作物病害诊断系统得到了很大的发展，使得利用计算机对作物病害进行智能诊断识别成为了可能。通过对作物病害叶片进行图像处理，能够客观、准确、迅速地对作物病害进行诊断，并得到作物病害的种类以及受害程度，从而指导农业人员合理采取防治措施。为了诊断和识别作物病害类型，需要把病斑从叶片图像中分割并提取出来。叶片病斑图像分割是图像分析和图像处理的首要步骤，是对植物病害图像进行处理的基础，是实现植物病害情况自动检测和田间管理自动化的前提，其结果直接决定着最终分析结果的准确程度。本研究基于改进的遗传算法，提出了一种病害叶片的病斑分割方法，该方法能够有效得到病害叶片的病斑图像，具有应用前景。

参考文献：

[1]王树文，张长利. 基于图像处理技术的黄瓜叶片病害识别诊断系统研究[J]. 东北农业大学学报，2012，43（5）：69-73.

[2]Wang X F，Huang D S. A novel Multi-Layer level set method for image segmentation[J]. Journal of Universal Computer Science，2008，14（14）：2428-2452.

[3]Wang X F，Huang D S，Du J X，et al. Classification of plant leaf images with complicated background[J]. Applied Mathematics and Computation，2008，205（2，SI）：916-926.

[4]Du J X，Huang D S，Wang X F，et al. Computer-aided plant species identification （CAPSI） based on leaf shape matching technique[J]. Transactions of the Institute of Measurement and Control，2006，28（3）：275-284.

[5]Du J X，Huang D S，Wang X F，et al. Shape recognition based on neural networks trained by differential evolution algorithm[J]. Neurocomputing，2007，70（4/6）：896-903.

[6]郑小东，王晓洁，赵中堂 基于形状特征的植物叶柄与叶片分割算法[J]. 计算机工程与设计，2010，31（4）：9封3-918.

[7]Li Y F，Zhu Q S，Cao Y K，et al. A leaf vein extraction method based on snakes technique[C]. Proc IEEE International Conference on Neural Networks and Brain，2005：885-888.

[8]虎晓红，李炳军，席磊. 基于多示例图的小麦叶部病害分割方法[J]. 农业工程学报，2012，28（13）：154-159.

[9]傅弘，池哲儒，常杰，等. 基于人工神经网络的叶脉信息提取[J]. 植物学通报，2004，21（4）：429-436.

[10]赵玉霞，王克如，白中英，等. 贝叶斯方法在玉米叶部病害图像识别中的应用[J]. 计算机工程与应用，2007，43（5）：193-195.

[11]王静，张云伟. 一种烟叶病害的图像增强处理方法[J]. 中国农学通报，2011，27（6）：469-472.

[12]郑宏，潘励. 基于遗传算法的图像阈值的自动选取[J]. 中国图象图形学报，1999，4（4）：65-68.

[13]Lai C C，Chang C Y. A hierarchical evolutionary algorithm for automatic medical image segmentation[J]. Expert Systems With Applications，2009，36（1）：248-259.

[14]Zahara E，Fan S k S，Tsai M D.Optimal multi-thresholding using a hybrid optimization approach[J]. Pattern Recognition Letters，2005，26：1085-1095.

[4]Du J X，Huang D S，Wang X F，et al. Computer-aided plant species identification （CAPSI） based on leaf shape matching technique[J]. Transactions of the Institute of Measurement and Control，2006，28（3）：275-284.

[5]Du J X，Huang D S，Wang X F，et al. Shape recognition based on neural networks trained by differential evolution algorithm[J]. Neurocomputing，2007，70（4/6）：896-903.

[6]郑小东，王晓洁，赵中堂 基于形状特征的植物叶柄与叶片分割算法[J]. 计算机工程与设计，2010，31（4）：9封3-918.

[7]Li Y F，Zhu Q S，Cao Y K，et al. A leaf vein extraction method based on snakes technique[C]. Proc IEEE International Conference on Neural Networks and Brain，2005：885-888.

[8]虎晓红，李炳军，席磊. 基于多示例图的小麦叶部病害分割方法[J]. 农业工程学报，2012，28（13）：154-159.

[9]傅弘，池哲儒，常杰，等. 基于人工神经网络的叶脉信息提取[J]. 植物学通报，2004，21（4）：429-436.

[10]赵玉霞，王克如，白中英，等. 贝叶斯方法在玉米叶部病害图像识别中的应用[J]. 计算机工程与应用，2007，43（5）：193-195.

[11]王静，张云伟. 一种烟叶病害的图像增强处理方法[J]. 中国农学通报，2011，27（6）：469-472.

[12]郑宏，潘励. 基于遗传算法的图像阈值的自动选取[J]. 中国图象图形学报，1999，4（4）：65-68.

[13]Lai C C，Chang C Y. A hierarchical evolutionary algorithm for automatic medical image segmentation[J]. Expert Systems With Applications，2009，36（1）：248-259.

[14]Zahara E，Fan S k S，Tsai M D.Optimal multi-thresholding using a hybrid optimization approach[J]. Pattern Recognition Letters，2005，26：1085-1095.

[4]Du J X，Huang D S，Wang X F，et al. Computer-aided plant species identification （CAPSI） based on leaf shape matching technique[J]. Transactions of the Institute of Measurement and Control，2006，28（3）：275-284.

[5]Du J X，Huang D S，Wang X F，et al. Shape recognition based on neural networks trained by differential evolution algorithm[J]. Neurocomputing，2007，70（4/6）：896-903.

[6]郑小东，王晓洁，赵中堂 基于形状特征的植物叶柄与叶片分割算法[J]. 计算机工程与设计，2010，31（4）：9封3-918.

[7]Li Y F，Zhu Q S，Cao Y K，et al. A leaf vein extraction method based on snakes technique[C]. Proc IEEE International Conference on Neural Networks and Brain，2005：885-888.

[8]虎晓红，李炳军，席磊. 基于多示例图的小麦叶部病害分割方法[J]. 农业工程学报，2012，28（13）：154-159.

[9]傅弘，池哲儒，常杰，等. 基于人工神经网络的叶脉信息提取[J]. 植物学通报，2004，21（4）：429-436.

[10]赵玉霞，王克如，白中英，等. 贝叶斯方法在玉米叶部病害图像识别中的应用[J]. 计算机工程与应用，2007，43（5）：193-195.

[11]王静，张云伟. 一种烟叶病害的图像增强处理方法[J]. 中国农学通报，2011，27（6）：469-472.

[12]郑宏，潘励. 基于遗传算法的图像阈值的自动选取[J]. 中国图象图形学报，1999，4（4）：65-68.

[13]Lai C C，Chang C Y. A hierarchical evolutionary algorithm for automatic medical image segmentation[J]. Expert Systems With Applications，2009，36（1）：248-259.

[14]Zahara E，Fan S k S，Tsai M D.Optimal multi-thresholding using a hybrid optimization approach[J]. Pattern Recognition Letters，2005，26：1085-1095.