杨颖， 文小玲， 章秀华

(1.武汉工程大学电气信息学院，湖北 武汉 430205；2.湖北省视频图像与高清投影工程技术研究中心，湖北 武汉 430205；3.光学信息与模式识别湖北省重点实验室，湖北 武汉 430205)

近年来，中国水稻病虫害发生范围扩大，发生频率升高，危害程度日益加重，不仅造成严重的经济损失，还间接影响了粮食储备和社会发展[1-3]。目前，水稻病虫害的防治主要依赖于人工参与和主观判断，存在人力资源成本高、时效性低、误判率大等问题。因此，开展田间水稻病虫害的分类识别研究十分重要。目前，数字图像处理技术与机器学习在植物识别、作物产量估算等农业分析中应用较为普遍。在农业分析方面，KURMI等[4]提取叶片颜色特征利用支持向量机(support vector machine, SVM)及多层感知器模型对植物叶片数据集实现有效分析；侯加林等[5]搭建深度学习网络实现了生姜种芽的快速识别及其朝向判定。在病虫害识别方面，张金敏等[6]提出LBP-SVM马铃薯芽眼识别方法，芽眼识别率高达97.33%。针对水稻病虫害研究，徐识博等[7]设计了HOG-SVM水稻识别方案实现了可移动检测病斑；张超[8]提出将水稻多特征提取与机器学习结合，实现对水稻纹枯病高效识别；黄双萍等[9]构造卷积神经网络对水稻穗瘟病进行识别。但这些研究也存在仅考虑提取农作物图像的单一特征致使图像重要信息缺失等不足[10]，而采用方向梯度直方图(histograms of oriented gradients, HOG) 和局部二值模式(local binary pattern，LBP)混合特征提取可有效解决这些问题。HOG特征是在计算机视觉领域进行物体检测的特征描述子，通过统计图像局部区域的梯度方向直方图以构成特征，有助于提取边缘特征[11]。……