图像识别算法在中草药鉴别中的应用

曾 辉，沈红岩，张宝文，陶 佳*，董秀秀

（1.保定市植保植检站，河北 保定 071000；2.河北农业大学，河北 保定 071000；3.广平县农牧局，河北 广平 057650）

传统的中草药分类与质量评估涉及到性状鉴别和显微鉴别，鉴别方式过于主观，且鉴别效率偏低，无法满足中医中药产业化发展的客观需求[1-3]。如何对中草药进行准确、高效的鉴别是目前亟待解决的问题和研究热点。以中草药中的藤茎类为研究对象，采用图像识别算法及改进K近邻法，实现了比较准确的图像鉴别。

1 材料与方法

1.1 材料

选取中麻黄、木通、鸡血藤、北沙参、夜交藤和小蓟6种类别的中草药作为研究对象，每种中草药在中草药图像数据库中随机选取图片（尺寸为960×960 dpi）10幅，并将所取图片等份分割为96×96 dpi，最终得到图片100幅（图1）。用以试验。

图1 部分中草药图片切割后的待识别图像Fig.1 The segmented images of some Chinese herbal medicines needed to be identified

1.2 方法

随机选取50幅用于对算法进行训练，剩余的50幅作为测试集。对所有的样本先以颜色直方图进行初步的分类，设置不同的K值（1-10）进行分类，考察不同情况下的识别率，验证算法的效果。

1.2.1 传统方法——局部二值模式方法

1.2.1.1 显微图像颜色特征提取。选取基于HSV的模型对藤类横切面显微图像的颜色特征进行描述和提取。结合人类视觉的生理特点，将H、S、V空间进行划分，构建基于HSV空间的一维颜色直方图，把H、S、V三维空间转换为一维矢量。

1.2.1.2 显微图像纹理特征提取。运用局部二值模式方法[4]对纹理特征进行提取。将目标图像邻域点灰度值间的关系加入进来。在对目标图像的窗口中心像素进行灰度比较之前，把位于窗口左上方位置的像素，以顺时针为序与相邻像素比较灰度值，以局部二值模式的方法对所有的相邻像素进行二值化；当结束一轮比较之后，会得到比较结果，即0、1序列值；对这些0、1序列值进行编码，将中心点周围的邻域点考虑进来。将优化后的局部二值模式取得的目标图像特征，与基于传统模式的纹理特征像相互结合，作为目标图像的最终特征。

1.2.1.3 中草药鉴别。结合所提取的颜色特征和纹理特征，对中草药截面切片显微图像进行鉴别。由于Chi平方统计法对训练样本的数目要求较低，本研究最终选择该方法对相似性度量进行描述。

1.2.2 改良方法——改进K近邻法基于改进K近邻法[5]的分类识别。由于K近邻法效率和准确率均较高，所以，引入K近邻法对图像进行分类识别。根据研究内容的特点，本研究将最短距离引入到K近邻法中，对最优解进行整体判断。当K近邻法获取的K个成员中存在若干票数相同者（多优解），则以距离最小的成员作为最优解，为该成员赋予更高的权重，相应减少距离最大的成员权重。具体的处理流程为：（1）提取基于K近邻法的分类最优解；（2）判断该最优解是否为唯一解，如果是，将其作为最优解，算法结束；（3）在最优解中选择距离最小的最优解，为其权重值加1；（4）在最优解中选择距离最大的最优解，为其权重值减1；（5）循环（3）—（4），为所有的多优解排序，选择距离最小（权重最大）的解作为最优解。

1.2.3 结果验证 结合训练集与测试集，验证本算法在中草药横截面显微图像识别方面的具体性能。实验环境为戴尔 OptiPlex，3.0G PIV CPU，4GB RAM，Windows8操作系统，MATLAB 7.10.0。

2 结果与分析

运用传统与改进2种方法对样本进行识别显示（表1），K值沂［5，50］，改进K近邻法的分辨率最高为96% ，且均不低于局部二值模式法。究其原因，传统的局部二值模式法主要考虑的是中心点和领域的灰度关系，并未考虑领域像素的分布差异，因而未能完善地体现出目标图像的全部纹理特征，降低了算法的性能；改进K近邻法在传统算法基础上，增加了对于邻域点间关系的描述，从而能够包含目标图像更多的纹理特征，保留了更多的有用信息，在图像分类中取得了更好的效果。

表1 不同K值及不同算法在识别率和识别时间上的对比Table 1 Comparison of different algorithms and K values in recognition rate and time

3 结论与讨论

结合中草药图像识别的需求，提出了综合考虑目标图像颜色特征和纹理特征的识别方法。针对纹理特征对于旋转不变性的要求，以改进的二值模式算法实现特征的提取。改进了传统K近邻分类法，使之避免陷入多个最优解，通过实验给出了较理想的K值。最后通过实验验证了本文算法的性能提升。本研究成果能够为中草药信息化建设和发展提供智能支持。