关键词:
图像处理技术
图像去噪
图像分割
特征提取
狭叶锦鸡儿
解剖结构分析
摘要:
草原退化是人为活动或不利自然因素引起草地生态系统逆行演替的一种过程,是草地荒漠化的主要表现形式之一。近年来,由于气候变化、人为活动等因素的影响,草原退化现象十分严重,且退化趋势日益加剧,草原退化的防治工作变得刻不容缓。随着生命科学领域高速发展,植物解剖学不断深入,植物解剖结构与草原退化相关性的研究逐渐增多。但传统解剖结构信息获取方法相对落后,对试验人员专业要求较高,测试工作繁重,且结果的一致性和重现性较差,故限制了该领域发展。针对以上问题,本文以鄂尔多斯荒漠草原为试验区域,根据实地考察和专家经验划分了退化梯度,选择典型植物狭叶锦鸡儿为试验对象,并对其叶片进行切片。将图像处理技术引入到狭叶锦鸡儿叶片解剖结构分析中,对相关图像处理算法进行了研究和改进,对提取和测量的结构指标与草原退化梯度进行了相关分析,主要研究工作如下:1、2014-2016年每年7、8月份,对划分的退化梯度样地进行野外调查,获取了试验区草地基本信息,将狭叶锦鸡儿作为后续试验供试植物。根据生态学和统计学要求,对狭叶锦鸡儿叶片进行取样和切片,通过计算机、显微镜和Touptek Toupview软件对所有解剖结构指标进行了图像采集;2、针对狭叶锦鸡儿叶片结构的图像特点,应用图像处理技术对狭叶锦鸡儿叶片解剖结构图像进行了预处理、分割和特征提取等研究,提取了部分叶片解剖结构特征指标,具体处理过程和结果分析如下:(1)图像预处理a、对比了线性灰度变换、非线性变换、直方图均衡化、限制对比度自适应直方图均衡化和直方图规定化对图像增强效果,结果表明,限制对比度自适应直方图均衡化对图像增强效果明显,自动化程度较高;b、依同态滤波原理,对传统动态巴特沃斯滤波器进行改进。传统同态滤波器截止频率0D往往通过大量实践选择,效果欠佳。而改进同态滤波法通过对控制滤波函数斜率方程D(u,v)频域取中值的方式,快速确定0D值,达到最佳亮度不均校正效果。相较于传统同态滤波法、背景减法和底冒变换处理结果,图像视觉效果和亮度不均现象得到了明显改善。后续应用改进的高频强调巴特沃斯滤波器对图像锐化,相较Prewitt算子、Sobel算子和Laplace算子图像锐化结果,改进的高频强调巴特沃斯算子图像锐化效果较好,图像细节和边缘十分清晰,对噪声不敏感;c、提出了一种图像联合盲去噪算法。首先采用平滑区直方图重构和拟合法对狭叶锦鸡儿图像噪声类型进行估计,与传统凭经验判断噪声类型相比,该算法可以实现噪声类型准确评估,指导后续图像去噪方法的选择;然后采用分块策略的SVD域图像噪声估计法估计噪声强度,图像分块后SVD域分解计算量降低显著,精度、速度和稳定性较高;最后采用基于几何均值滤波(geometric mean filtering,GMF)和三维块匹配滤波(block-matching and 3-D filtering,BM3D)联合去噪法实现了图像准确降噪,其不仅能较好去除噪声,而且能完好保留图像边缘、纹理等细节特征。相较传统BM3D(block-matching and 3-D filtering,BM3D)算法,去噪效果相当,但耗时约相当于BM3D算法的1/9。相较WT(wavelet threshold,WT)算法,本文算法去噪后图像BRISQUE(blind/referenceless image spatial quality evaluator,BRISQUE)值比使用WT法去噪低4左右,图像质量提升明显。本文算法处理后的狭叶锦鸡儿叶切片图像BRISQUE值仅为10左右,相当于含噪图像1/2,因此本文采用噪声类型估计—强度估计—去噪过程及算法对狭叶锦鸡儿叶切片图像去噪取得了较好效果。(2)图像分割a、使用最大类间方差(Otsu)和迭代,与数学形态学结合算法实现了叶切片整体部分分割,相较于单一算法处理结果,结合算法分割精度显著提高,平均分割误差R为0.765,过分割误差OR为0.054、欠分割误差UR为0.502;b、在传统K-means基础上,引入极大值作为聚类中心的二分K-means聚类法,克服了传统K-menas聚类算法和FCM聚类算法存在局部最优的缺点,从而提高了聚类速度,实现了木质部准确和高效初分割。当聚类数目为2时,平均用时仅为3.523s;当聚类数目为3时,平均用时仅为5.112s。使用改进的凹点匹配法、分水岭法和提出的环形结构提取法对初分后的粘连木质部进行了分离,经对分离效果对比分析知,环形结构提取法对粘连木质部分割精度更高,速度更快;c、采用Lazy Snapping算法、GrabCut算法和基于变分水平集主动轮廓算法对表皮细胞进行了分割。对结果分析表明,相较其他交互分割算法,基于变分水平集主动轮廓算法平均耗时30.228s,运算速度相对较慢。但对表皮细胞分割精度较高,平均分割误差R