基于pca和高斯混合模型的小麦病害彩色图像分割-农业机械学报.pdfVIP

２０１４年 ７月 农 业 机 械 学 报 第 ４５卷 第 ７期 ｄｏｉ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１４．０７．０４１ 基于ＰＣＡ和高斯混合模型的小麦病害彩色图像分割 １，２ ３ ２ １，４ 田　杰 　韩　冬 　胡秋霞　马孝义 （１．西北农林科技大学机械与电子工程学院，陕西杨凌 ７１２１００；２．西北农林科技大学信息工程学院，陕西杨凌 ７１２１００； ３．俄克拉荷马大学工程学院，淘沙 ７４１３５；４．西北农林科技大学水利与建筑工程学院，陕西杨凌 ７１２１００） 摘要：为了提高高斯混合模型对小麦病叶的分割精度，减少分割时间，提出了一种基于 ＰＣＡ和高斯混合模型的分 割方法。首先充分利用图像的颜色信息，将图像多个颜色通道进行主成分分析计算，获得 ３个主要颜色通道；在此 基础上，将图像分成多个分块，根据其像素平均值排序，各取前后多个分块组成新的像素集合进行高斯混合模型运 算；最后遍历整个图像，将每个像素归类到已求出的高斯模型上得出分割结果。通过对小麦锈病图像的分割试验 表明，该方法的错分像素率分别比高斯混合模型、Ｋｍｅａｎｓ等传统分割方法低５４６和 １３４４个百分点。 关键词：小麦锈病　图像分块　主成分分析　高斯混合模型 ＋ 中图分类号：Ｓ４３５１２１４３；ＴＰ３９１４１ 文献标识码：Ａ 文章编号：１０００１２９８（２０１４）０７０２６７０５ 　　引言 １　基于ＰＣＡ的主颜色通道选择 有效的病斑分割为后续的特征提取提供更好 小麦叶锈病病斑边缘与叶片颜色较为接近，而 的效果，但农业病害图像由于其特殊性，如病斑大 从较多颜色模型中只依据单个颜色通道信息较难将 小没有规则，病斑颜色深浅不一等原因使得病斑 病斑和背景叶片准确分割开。因此考虑选择多个颜 难以准确分割。采用高科技手段如图像处理技 ［７］ 色模型，采用 ＰＣＡ算法 找到主要的３个颜色通 术、计算机视觉技术等判断病害受害状况，进而及 道，后续的分割都建立在这 ３个主要颜色通道数据 时地采取相应的病害防治措施，可以减少人力物 上。根据目前文献分析，可采用广泛使用的ＲＧＢ颜 力，对今后农作物栽培管理的自动化、智能化产生 色模型和对人类视觉系统较为敏感的 ＨＳＶ颜色模 ［１］ 深远的影响 。近年来，基于聚类算法的分割法 型作为ＰＣＡ算法处理的基础数据。计算过程如下： 是图像分割中常用的方法［２－５］，其中高斯混合模型 （１）获取图像的Ｒ、Ｇ、Ｂ和Ｈ、Ｓ、Ｖ通道数据，分 在图像分割、视频分析、图像配准和噪声消除等方 别将每个通道数据按列优先存储形成 １列后进行归 ［６］ 面得到了广泛应用 。但对于目标和背景内容均 一化处理，形成新的图像矩阵 Ｉ。Ｉ＝［Ｉ，Ｉ，…， １ ２ 复杂的作物病害图像，目前的高斯混合模型图像 ｍｎ Ｉ］ ，其中ｍ为图像行数，ｎ为列数，Ｉ（１ ｉ′ ６） ６ ｉ′ ≤ ≤ 分割方法存在一定缺陷，如处理大像素图像时运 表示每个颜色通道数据