基于特征点匹配的蚜虫病害图像分割与识别方法

苗晟，董建娥，钟丽辉，谢裕睿

（西南林业大学大数据与智能工程学院，昆明 650224）

0 引言

传统的植物病害诊断受限于个人经验和主观意识，实时性差，效率低且容易误判。随着精准农业需求的增长和计算机视觉技术的发展，许多研究者采用图像处理技术对植物病害图像进行识别分类，取得了不错的效果[1]。对植物病害图像处理的文献较多，但是近年来针对虫害的识别文献相对较少，主要体现在：首先是病虫体型较小且形态不一，昼伏夜出，隐蔽性极强，导致单一算法识别效果不佳；其次是复杂环境下是否能够准确地分割病虫害区域是后续识别的关键因素，这也是行业内公认的难点[2]。

针对虫害复杂区域分割和定位的困难，本文研究在传统分水岭和K-means聚类分割基础上增加虫害色彩先验信息[3]，在LAB空间中对细小虫害区域分割，再通过SIFT特征点匹配对蚜虫病害图像进行检测。

1 LAB特征空间的病斑分割

1.1 蚜虫病害特点

蚜虫（俗称腻虫）是全世界农林业中最具破坏性的害虫之一，其特点是繁殖快、传播广，对植物的危害主要是吸食植物叶汁、传播病毒，造成花、叶、芽的畸形。蚜虫病害的图像识别难点在于蚜虫体型较小，其虫卵只有1至10毫米，且种类较多，目前已知的蚜虫种类有十个大类，多达4700种[4]。

常见的不同植物上的蚜虫病害如图1所示，病虫斑区域可能是相互不连通的独立区域，不同蚜虫种类有其相对独特的色彩，和叶面背景形成一个对比。以不同蚜虫的色彩信息作为先验信息，设置适当阈值分离病斑和叶面背景，通常首先采用分水岭算法分割病斑，再采用K-means算法进一步聚类。……