水稻图像病害特征提取技术试验研究

常卫东

摘   要：水稻是我国主要粮食作物之一，水稻病害中稻瘟病、胡麻叶斑病和白叶枯病发生面积大、流行性强、为害严重。通过对水稻病害图像颜色特征、纹理特征、形状特征、空间关系特征的分析和试验，重点研究了多层分形和不变矩的水稻病害图像多维特征，提出具有普适性的水稻病害图像提取、病害图像变换等新方法。该方法对提高水稻病害识别效率、减少人为因素的影响、推进作物数字化管理水平具有重要的科学意义和实践意义。

关键词：水稻病害;图像特征;提取技术;试验

水稻是我国人民的主食之一，水稻的丰产对保障我国粮食安全起着至关重要的作用。然而，在其种植过程中会出现各种病害，导致水稻减产甚至绝收。准确判断水稻的各种病害，采取相应的措施保障水稻高产显得尤为关键。通过水稻病害图像提取其病害的关键特征信息，实现对水稻病害类型的识别，对推进我国智慧农业的发展具有重要的现实意义。

1   水稻病害图像的特征提取

1.1   图像的特征

常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。颜色特征通常是指图像中各个形状区域的彩色特征，包括图像中各个像素点的R、G、B特征，它能反映图像的整体属性，是图像的一种全局特征。纹理特征则是反映图像中各个形状区域的细微形状，通常由图像形状中颜色特征相似的那些像素点组成，反映的是图像浅层次的内容。纹理特征通常采用对像素的特征进行统计的方法获取。传统意义上的形状特征是指组成图像各个局部特征的具体形状，通过图像的边缘检测确定那些由相似像素点组成的图像的轮廓特征。除此之外，图像的形状特征也可以采用形状不变矩来描述，它是通过对图像特定区域的矩作为描述图像形状的方法。

1.2   水稻病害图像特征的提取

分形几何理论中传统的欧氏空间采用整数表示对象的维数，如线为一维、面为二维、空间为三维。在此基础上把维数从整数扩充为分数就出现了分形[1-2]，分形中一个重要的参数指标就是维数。如果用尺度为r的小盒子覆盖一个d维的几何对象，对于数字图像函数为f（x，y），归一化的中心距定义为ηpq=μpq/（μ00ρ），其中ρ=（p+q）/2+1 ，μpq为p+q阶中心距。利用2阶和3阶归一化中心矩构造7个不变矩M1至M7，

7个不变矩构成一组特征量，具有旋转、缩放和平移不变性[3]。

1.3   水稻病害特征提取试验

在研究中，我们首先从水稻稻瘟病、胡麻叶斑病和白叶枯病病害图像中抽取3幅水稻稻瘟病、1幅胡麻叶斑病和3幅白叶枯病图像，分别提取其中的盒子维、形状、统计纹理、比颜色、十色和不变矩等特征。

研究的水稻病害图像盒子维包括αmax、αmin、Δα、Δf、D1和D2共6个特征。水稻病害图像形状包括偏心率、实度、伸展度、长宽比、最短长、半径比、圆形度、短长轴比、面积周长比、相对偏差率、圆形性、形状复杂性、内等半径比和半径变数14个特征。水稻病害图像不变矩包括1～7阶Hu矩共计7个特征。本文研究的水稻病害图像的盒子维、形状和不变矩特征的参数分别与图4～图12的特征数相对应，提出实用有效的图像处理和分析方法。

通过对水稻3种病斑参数的相似度检测，在盒子维数中样本的均方差较大的有αmax、Δα和Δf 3個特征，其他几个参数的均方差只有前面3个的1%。形状特征中方差较大的有圆形度、面积周长比和形状复杂性3个特征，不变矩特征中方差较大的有1阶Hu矩、2阶Hu矩、3阶Hu矩、4阶Hu矩、5阶Hu矩和6阶Hu矩6个特征，总共特征数为11个。它们代表了水稻稻瘟病、胡麻叶斑病和白叶枯病图像的主要特征。

2   结论

传统的水稻病害特征从水稻叶片病斑的形状、纹理和颜色等方面进行描述。不同的病害图像特征具有相似性，图片拍摄空间位置变化引起病害图像特征的改变，提取的特征在其不同的病害图像中具有某些相似性，为后期的分类带来较大的困难。多层分形和不变矩的水稻病害图像的多维特征，既描述了水稻病害图像的基本特征又具有空间不变性，因而能较好地反映其病害特征。通过试验分析表明：水稻病害图像最具典型的特征包括盒子维数中的αmax、Δα和Δf 3个特征;形状包括圆形度、面积周长比和形状复杂性3个特征，以及1～6阶Hu矩共计11个特征。这11个特征代表了水稻病害的最重要特征，采用这11个特征能有效识别水稻病害的具体类型，从而提高水稻在防治病害领域的智能化水平。

参考文献：

[ 1 ] 武震.基于分形理论的图像分割[D].南京：南京航空航天大学，2002.

[ 2 ] 张运祥.分形理论及图像分形维数实时计算的研究[D].广州：第一军医大学，2001.

[ 3 ] 刁彦华，孟子钰，王晓君.基于Hu不变矩的图像形状特征提取研究[J].网络安全技术与应用，2017（10）：46-47.