专利名称：一种基于导数光谱法的轻度虫害叶片的叶脉识别方法
技术领域：
本发明涉及一种叶脉识别方法，尤其涉及一种基于导数光谱法的轻度虫害叶片的叶脉识别方法。
背景技术：
由于植物的复杂性，植物建模比建筑物建模更为困难。建立植物的三维模型抑制是植物学和计算机图形学等方便的研究热点，一般可分为微观和宏观两个尺度。微观尺度建模是根据细胞、养分和植物生长规律等建立模型，或者通过具体定义枝干、树叶和分枝结构来建立模型。宏观尺度建模是指建立包含植物的森林、农作物、草地等场景。其中，微观尺度建模注重模型的准确性，要求符合实际情况。叶片叶脉包含了非常重要的植物生理信息，提取植物叶脉是进行植物建模和识别的关键步骤，叶脉识别也一直是研究的热点。随着计算机处理技术的发展，基于图像处理技术的叶脉提取和叶脉建模已成为研究热点。文献(2006.Leaf vein extraction using independent component analysis.Proceedings of IEEE Conference on Systems, Man, and Cybernetics.5:3890 — 3894.)用独立成分分析进行叶脉的提取；文献(2008.基于Hough变换的植物叶脉检测新方法[J].通讯和计算机.5 :58 - 60.)利用灰度拉伸、Hough变换与边缘生长、图像腐蚀与膨胀进行叶脉检测。文献(2009.Fast leaf vein extraction using hue and intensityinformation.Proceedings of IEEE International Conference on InformationEngineering and Computer Society.1 — 4.)提出基于SHI彩色空间的快色叶脉提取算法，该算法把树叶分为叶脉与叶肉颜色相似和不同两类，对于具有不同颜色的叶子，将HSI彩色空间的色调分离分为12个颜色区间，像素点最多的颜色区间为叶肉像素点，去除叶肉像素点得到叶脉图像；对于颜色单一的叶子分两步进行提取，第一步根据不同颜色叶子的提取方法对H分量图像提取部分叶脉，第二步先将I分量图像进行增强，再进行大部分叶脉的提取。文献(2011.基于改进的Sobel算子和色调信息相结合的叶脉提取算法.农业工程学报.27 (7): 196 199.)则提出了一种基于改进的Sobel算子和色调信息相结合的叶脉提取算法，对图像进行改进的Sobel算子的叶脉提取和基于色调信息的叶脉提取，然后将两者提取的结果进行融合获得最终的叶脉图像。在以往的相关研究中，采用的实验对象都是健康的叶片，除了叶脉和叶肉固有的色差外，不存在其他的色差区域，有利于叶脉的识别。但是在实际应用中，叶片往往都会遭受各种病虫害的侵扰。遭受虫害危害的叶片叶绿素分布会不均匀，形成色差，同时会有细小的虫孔，在执行现有的边缘识别算法时，这些色彩不均匀区域的边界和细小虫孔的边界很容易与叶脉的边缘同时被识别出来，难以避开。
发明内容
本发明提供了一种基于导数光谱法的轻度虫害叶片的叶脉识别方法，利用该算法能获得轻度虫害叶片的叶脉图像。基于导数光谱法的轻度虫害叶片的叶脉识别方法，包括:(I)对原高光谱图像求一阶导数光谱，获得680nm处的一阶导数光谱图像，对该一阶导数光谱图像进行叶脉提取运算，得到第一叶脉图像；(2)取原高光谱图像中640nm、550nm、460nm处单波段图像组成RGB图像，再将该RGB图像转换到HSI空间得到HSI图像，对HSI图像中的H分量进行叶脉提取运算，得到第二叶脉图像；(3)将第一叶脉图像和第二叶脉图像进行融合，得到识别后的叶脉图像。本发明中所述的轻度虫害叶片，是指叶脉完整、叶肉被害虫侵蚀但仍保留至少80%叶肉面积的叶片。对原高光谱图像求一阶导数光谱是为了将叶肉像素与叶脉像素区分开。由于单个像素的光谱曲线是由一系列的离散光谱数据连成的曲线，因此，对高光谱数据进行导数变换并不等同于数学意义上的对连续、可微的函数进行求导运算，而是在一定尺度的微分窗口下通过一阶差商实现对一阶求导的近似代替。因此需要对高光谱数据先行对数变换，再行求导变换。对数变换和导数变换的公式分别如式(1)，(2)所示。A(A)= Ln[lR(A)](I)；D(A) = [Α(λ)-Α(λ+ω)]ω(2)；
其中，λ表示波长位置，RU)表示波长λ处的原始光谱反射值，Α( λ)为RU)经过对数变换后的数值，ω表示微分窗口的尺度，DU)表示波长λ处光谱反射值的一阶导数值。在求导变换中，ω的大小对信息提取的有效性起了至关重要的作用。选取较小的微分窗口能够提供精细的光谱形态变化信息，但同时也会放大光谱中的高频噪声；选取较大的微分窗口时，对曲线有一定的平滑去噪功能(类似于加权平滑)，但微分窗口过大也会将光谱曲线上的拐点和极值点平滑，丢失一定的光谱形态变化信息，尤其是光谱曲线上凹凸峰处所携带的重要信息。作为优选，微分窗口的尺度为60个波段。此时光谱曲线较为平滑，且几个主要的吸收峰和反射峰也能够完整保留，叶肉与叶脉像素曲线在680nm处均被明显区分开，因此本发明采用导数光谱法提取680nm处的一阶导数光谱图像，在该一阶导数光谱图像的基础上进行叶脉提取运算。步骤(I)中，对680nm处的一阶导数光谱图像进行叶脉提取运算时，依次包括边缘检测、线性空间滤波和数学形态学处理。边缘检测是针对图像亮度值的不连续性，通过一阶导数和二阶导数检测这种不连续性。图像处理中选择的一阶导数是图像梯度的幅值，二阶导数则常用拉普拉斯算子来计算。边缘检测的基本目的是使用如下两个基本准则之一在图像中找到亮度快速变化的地方:(I)找到亮度值的一阶导数在幅值上比指定的阈值大的地方；(2)找到亮度值的二阶导数有零交叉的地方。
边缘检测主要采用各种算子来凸显图像边缘区域的像素点，并使图像二值化。常用的边缘检测算子有Sobel算子、高斯型拉普拉斯(LoG)算子、Canny算子等。Sobel算子使用Sobel掩模的近似导数查找边缘，适于含噪声较多且灰度渐变的图像；LoG算子是使用高斯函数的拉普拉斯算子对图像进行卷积以产生双边缘图像，再用零交叉法定位最终边缘；Canny算子使用带有指定标准偏差的高斯滤波器来平滑以减少噪声，通过每一点的局部梯度和边缘方向来确定边缘点，然后将这些边缘细化并执行边缘链接已得到最终的边缘图像。作为优选，本发明中所述边缘检测采用Canny算子，阈值为
, sigma为
1.5。具有该阈值和sigma值的Canny算子对叶脉边缘的提取效果最佳。对轻度虫害叶片进行边缘检测获得的图像中，有许多细小的边缘曲线是叶片受虫害后形成的不健康区域的边界，需要通过线性空间滤波来去除。所述的线性空间滤波采用式(3)计算:
权利要求
1.一种基于导数光谱法的轻度虫害叶片的叶脉识别方法，其特征在于，包括: (1)对原高光谱图像求一阶导数光谱，获得680nm处的一阶导数光谱图像，对该一阶导数光谱图像进行叶脉提取运算，得到第一叶脉图像； (2)取原高光谱图像中640nm、550nm、460nm处单波段图像组成RGB图像，再将该RGB图像转换到HSI空间得到HSI图像，对HSI图像中的H分量进行叶脉提取运算，得到第二叶脉图像； (3)将第一叶脉图像和第二叶脉图像进行融合，得到识别后的叶脉图像。
2.如权利要求1所述的叶脉识别方法，其特征在于，求一阶导数光谱时，微分窗口的尺度为60个波段。
3.如权利要求1所述的叶脉识别方法，其特征在于，步骤(I)中，对680nm处的一阶导数光谱图像进行叶脉提取运算时，依次包括边缘检测、线性空间滤波和数学形态学处理。
4.如权利要求3所述的叶脉识别方法，其特征在于，所述的边缘检测采用Canny算子，阈值为
, sigma 为 1.5。
5.如权利要求3所述的叶脉识别方法，其特征在于，步骤(I)中，数学形态学处理采用交替进行的膨胀处理和腐蚀处理。
6.如权利要求4所述的叶脉识别方法，其特征在于，膨胀处理和腐蚀处理交替的次数为3 5次。
7.如权利要求1所述的叶脉识别方法，其特征在于，步骤(2)中，对HSI图像中的H分量进行叶脉提取运算时，依次包括边缘检测、阈值分割、线性空间滤波和数学形态学处理。
8.如权利要求7所述的叶脉识别方法，其特征在于，进行阈值分割时，阈值为120 130。
9.如权利要求7所述的叶脉识别方法，其特征在于，选取大小为30X30像素的模板进行线性空间滤波。
全文摘要
本发明提供了一种基于导数光谱法的轻度虫害叶片的叶脉识别方法，包括对原高光谱图像求一阶导数光谱，获得680nm处的一阶导数光谱图像，对该一阶导数光谱图像进行叶脉提取运算，得到第一叶脉图像；取原高光谱图像中640nm、550nm、460nm处单波段图像组成RGB图像，再将该RGB图像转换到HSI空间得到HSI图像，对HSI图像中的H分量进行叶脉提取运算，得到第二叶脉图像；将第一叶脉图像和第二叶脉图像进行融合，得到识别后的叶脉图像。与现有技术相比，本发明对原高光谱图像分别进行一阶导数变换和HSI彩色空间变换，再进行叶脉提取运算，能够对轻度虫害叶片进行叶脉识别，识别的叶脉图像较为清晰。
文档编号G06K9/46GK103198298SQ20131008653
公开日2013年7月10日 申请日期2013年3月18日 优先权日2013年3月18日
发明者赵芸, 何勇 申请人:浙江大学