夏晶晶++喬芃喆

摘要：植物葉片提取是一種將拍攝到的植物葉片與其周圍景物分離的技術(shù)，它為計(jì)算機(jī)技術(shù)在植物葉片檢索中的應(yīng)用提供了基礎(chǔ)數(shù)據(jù)和技術(shù)支撐。由于自然場(chǎng)景下拍攝的植物葉片往往含有復(fù)雜的背景信息，這使得植物葉片提取成為一項(xiàng)比較復(fù)雜的工作。分析復(fù)雜背景下植物葉片提取的難點(diǎn)，針對(duì)現(xiàn)有的基于圖像分割提取技術(shù)存在的缺陷，將Closed-Form摳圖算法引入其中并提出1種基于Closed-Form摳圖算法的復(fù)雜背景下植物葉片的提取方法。該方法首先需要用戶對(duì)具有復(fù)雜背景的葉片圖像添加一定的約束條件，然后通過(guò)估算未知像素的透明度α對(duì)其進(jìn)行前景與背景的確認(rèn)，從而較好地將具有復(fù)雜背景的植物葉片提取出來(lái)。試驗(yàn)對(duì)比結(jié)果表明，該方法效果較好。

關(guān)鍵詞：Closed-Form;植物葉片;圖像提取;圖像分割;摳圖算法;背景去除

中圖分類號(hào)： TP301;S126文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2016）12-0394-03

收稿日期：2015-10-23

基金項(xiàng)目：河南省教育廳科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目（編號(hào)：13A520380、14A520052）。

作者簡(jiǎn)介：夏晶晶（1982—），女，河南商丘人，碩士，講師，主要研究方向?yàn)橹悄苄畔⑻幚?、網(wǎng)絡(luò)設(shè)計(jì)。E-mail：xiajjhuahe@163.com。

植物作為地球上數(shù)量、種類最多的生命形式，是人們賴以生存的最基本的物質(zhì)條件，從各方面影響著人們的生活質(zhì)量。但是，隨著人類社會(huì)的經(jīng)濟(jì)發(fā)展，地球上的環(huán)境資源受到嚴(yán)重破壞，首先受到影響的是植物，尤其是近年來(lái)隨著霧霾的加劇、氣候的變異、洪水的泛濫等自然環(huán)境的變化，使人們意識(shí)到保護(hù)植物的重要性，這使得對(duì)植物進(jìn)行分類研究并建立植物物種數(shù)據(jù)庫(kù)變得越來(lái)越迫切。由于葉片含有植物種類的重要信息，其形狀、顏色、紋理等特征都可以作為區(qū)分植物物種的重要特性[1]，因此植物葉片的提取是研究這些特征，特別是形狀特征的前提。本研究中的葉片提取主要是指提取植物葉片的輪廓，以便于進(jìn)一步對(duì)植物葉片的形態(tài)學(xué)特征進(jìn)行研究。近年來(lái)，諸多科研工作者對(duì)植物葉片輪廓的提取主要從圖像分割方面進(jìn)行研究和探索，王紅君等提出1個(gè)基于各項(xiàng)異性擴(kuò)展的Perona & Malik算法的圖像分割方法[2]，該方法首先利用各項(xiàng)異性擴(kuò)散Perona & Malik算法對(duì)圖像進(jìn)行預(yù)處理，然后在預(yù)處理的基礎(chǔ)上運(yùn)用分水嶺分割算法對(duì)圖像進(jìn)行分割，最后對(duì)分割后的圖像進(jìn)行自動(dòng)種子區(qū)域生長(zhǎng)并合并小區(qū)域。該方法能夠較完整地分割出具有復(fù)雜背景的植物葉片，但是其分割效果并不理想。郭學(xué)超提出了1個(gè)基于Ncuts圖論的圖像分割方法[3]，該方法對(duì)于多個(gè)葉片連接在一起的植物圖像有著較為準(zhǔn)確的分割，但是當(dāng)圖像中存在根莖等背景的干擾時(shí)，分割結(jié)果就不準(zhǔn)確。滿慶奎提出了主動(dòng)輪廓模型、基于標(biāo)記的分水嶺分割算法[4]，這2種算法能較好地提取出目標(biāo)葉片，但是在某些背景下分割效果還不是很理想。現(xiàn)有分割方法多數(shù)對(duì)簡(jiǎn)單的植物葉片圖像有較好的提取效果，但是在葉片背景比較復(fù)雜的情況下，例如出現(xiàn)粘連葉片時(shí)，在目標(biāo)葉片的前景和背景交界處存在大量像素點(diǎn)，這些像素點(diǎn)同時(shí)包含前景圖像、背景圖像的顏色，此時(shí)大多數(shù)分割算法提取的效果往往不盡如人意，這些已被提出的基于圖像分割算法的植物葉片提取方法需要進(jìn)一步完善才能更好地保持圖像中葉片的輪廓、形狀等拓?fù)涮卣鳌?/p>

1圖像分割與摳圖技術(shù)分析和比較

圖像分割與圖像摳圖這2個(gè)領(lǐng)域緊密相關(guān)，圖像分割是指根據(jù)圖像中的灰度、幾何形狀、空間紋理等將圖像分成若干個(gè)有意義的區(qū)域，使得屬于同一區(qū)域內(nèi)部的特征相同或者相近，而不同子區(qū)域間的特征表現(xiàn)出不同的特性[5];圖像摳圖是需要完整地提取出目標(biāo)前景。兩者本質(zhì)上都是像素標(biāo)簽的重新分配問(wèn)題，可以說(shuō)圖像摳圖技術(shù)是圖像分割的一種特例，圖像摳圖技術(shù)涵蓋部分圖像分割算法的思想，但是兩者運(yùn)用的數(shù)學(xué)模型又不盡相同，針對(duì)兩者對(duì)植物葉片的提取特點(diǎn)及適用場(chǎng)景，可得兩者有以下區(qū)別。

（1）摳圖技術(shù)提取圖像目標(biāo)的針對(duì)性比較強(qiáng)，目的就是將圖像中的目標(biāo)區(qū)域與背景區(qū)域分離開，對(duì)于植物葉片圖像來(lái)說(shuō)，不同季節(jié)的葉片顏色、紋理等特征差異較大，而摳圖算法不受這些因素的影響[6]?；谶@些特點(diǎn)，摳圖技術(shù)在復(fù)雜背景下提取目標(biāo)比圖像分割方法更有優(yōu)勢(shì)。

（2）從算法復(fù)雜度上來(lái)說(shuō)，摳圖技術(shù)算法復(fù)雜度高，圖像分割運(yùn)算速度相對(duì)于摳圖技術(shù)更快。

（3）圖像分割無(wú)須用戶交互，而摳圖算法則需要用戶標(biāo)記一定的前景區(qū)域和背景區(qū)域。

就以上2個(gè)不同角度提取植物葉片方法的特點(diǎn)來(lái)說(shuō)，圖像分割算法可以快速處理一些背景較簡(jiǎn)單的植物葉片圖像，但是背景較復(fù)雜的植物葉片圖像則采用摳圖算法可以取得更理想的效果。因此，為了增強(qiáng)復(fù)雜背景下植物葉片的提取效果，本研究提出將Closed-Form摳圖算法應(yīng)用到復(fù)雜背景下植物葉片的提取，仿真試驗(yàn)結(jié)果表明取得了一定效果。

[WTHZ]2基于Closed-Form算法的復(fù)雜背景下植物葉片提取

2.1數(shù)字摳圖

數(shù)字摳圖是一種將圖像中用戶需要的目標(biāo)區(qū)域從整幅圖像中分離出來(lái)的技術(shù)，它主要通過(guò)用戶標(biāo)記圖像中少量的前景與背景，并根據(jù)這些標(biāo)記按照一定規(guī)則準(zhǔn)確地分離出圖像中的目標(biāo)區(qū)域。數(shù)字摳圖技術(shù)主要分為藍(lán)屏摳圖、自然圖像摳圖，所謂藍(lán)屏摳圖技術(shù)是指所處理的圖像背景顏色必須是固定已知的顏色，一般為純藍(lán)色，而自然圖像摳圖則對(duì)背景不作要求[7]。數(shù)字摳圖主要流行的算法有Knockout算法、Ruzon-Tomasi算法、Bayesian算法、Closed-Form算法。本研究主要分析Closed-Form算法，也就是閉合型摳圖算法。

3算法實(shí)現(xiàn)與對(duì)比試驗(yàn)

3.1添加用戶約束

摳圖算法的實(shí)現(xiàn)是一個(gè)不定解求解的過(guò)程，需要用戶提供一定的約束信息才能進(jìn)行求解，根據(jù)Closed-Form摳圖算法的特點(diǎn)，采用線條圖標(biāo)記方式對(duì)原始圖像進(jìn)行區(qū)域劃分，所謂線條圖就是在摳圖前由用戶指定標(biāo)記圖像中的部分前景區(qū)域、背景區(qū)域，此處筆者用畫圖工具分別對(duì)原始圖像的前景、背景進(jìn)行標(biāo)記。圖1是原始葉片圖像，圖2為線條標(biāo)記后的葉片圖像，其中黑色線條標(biāo)記的區(qū)域?yàn)榇_定的目標(biāo)背景，此時(shí)α=0，白色線條標(biāo)記的區(qū)域?yàn)榇_定的目標(biāo)前景，此時(shí)α=1。

[FK（W13][TPXJJ1.tif;S+2mm]

[FK（W13][TPXJJ2.tif]

3.2透明度α估計(jì)

對(duì)輸入圖像進(jìn)行區(qū)域劃分后，閉合型摳圖算法根據(jù)已經(jīng)獲得的信息估計(jì)其透明度α。

3.3結(jié)果與分析

本研究中提取葉片的目的是為了定位葉片的目標(biāo)區(qū)域，從而便于對(duì)其進(jìn)行形狀特征計(jì)算。提取結(jié)果應(yīng)該是目標(biāo)葉片為白色、背景為黑色的二值圖像，由于摳圖算法是有目的的圖像分割，目的就是將圖像中用戶標(biāo)記的目標(biāo)區(qū)域與背景區(qū)域進(jìn)行分離，其算法的過(guò)程就是求解圖像中像素的前景值、背景值，還要求解透明度α，受葉片的其他外界因素影響比較小。圖3為本研究提出的Closed-Form摳圖算法所提取的結(jié)果，圖4為基于標(biāo)記的分水嶺分割算法所分割的結(jié)果，圖5為Canny邊緣提取的結(jié)果，圖6為最大類間方差法（OTSU）的分割結(jié)果。這幾種算法都是圖像分割算法中實(shí)用性比較強(qiáng)的算法，但是可以看出，這幾種分割算法的試驗(yàn)結(jié)果并未能很好地將目標(biāo)葉片與其周圍的復(fù)雜背景分離開來(lái)，而本研究所提出的Closed-Form摳圖算法很明顯地把目標(biāo)葉片與周圍的復(fù)雜[CM（25]背景分離開來(lái)，優(yōu)于基于標(biāo)記的分水嶺分割算法所提取的結(jié)果，達(dá)到了預(yù)期的效果。

4結(jié)論

本研究將Closed-Form算法用于復(fù)雜背景下植物葉片的提取，很好地解決了傳統(tǒng)圖像分割技術(shù)在分割復(fù)雜背景植物葉片時(shí)存在的問(wèn)題。試驗(yàn)結(jié)果表明，該方法效果較好，從而為下一步植物葉片的識(shí)別工作提供了一種新的解決方法。然而，由于Closed-Form算法復(fù)雜度比較高，且需要一定的用戶交互，這在一定程度上影響了葉片圖像的提取效率，如何克服該算法的這些不足，提出更有實(shí)效性的方法，成為未來(lái)研究工作的重點(diǎn)。

參考文獻(xiàn)：

[1]王曉峰，黃德雙，杜吉祥，等. 葉片圖像特征提取與識(shí)別技術(shù)的研究[J]. 計(jì)算機(jī)工程與應(yīng)用，2006，42（3）：190-193.

[2]王紅君，陳偉，趙輝，等. [HJ1.95mm]復(fù)雜背景下植物葉片的彩色圖像分割[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2013，34（2）：186-190.

[3]郭學(xué)超. 基于水平集與圖切理論的植物圖像分割方法研究[D]. 泉州：華僑大學(xué)，2013.

[4]滿慶奎. 復(fù)雜背景下植物葉片圖像分割算法[D]. 曲阜：曲阜師范大學(xué)，2009.

[5]羅林. 圖像分割算法研究[D]. 武漢：武漢科技大學(xué)，2007.

[6]王曉松，黃心淵，付慧. 復(fù)雜背景下的樹木圖像提取[J]. 北京林業(yè)大學(xué)學(xué)報(bào)，2010，32（3）：197-203.

[7]林生佑，潘瑞芳，杜輝，等. 數(shù)字摳圖技術(shù)綜述[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2007，19（4）：473-479.

[8]Levin A，Lischinski D，Weiss Y. A closed form solution to natural image matting[C]//Proceedings of lEEE CVPR. USA. New York：IEEE，2006：228-242.

[FQ）]