An algorithm to extract first and second order venation of apple-tree leaves stained for H2O2 detection

• Autorzy: Sekulska-Nalewajko J. , Gocławski J. , Gajewska E. , Wielanek M.

Warianty tytułu

PL

Algorytm do wyodrębniania żyłek pierwszego i drugiego rzędu w liściach jabłoni barwionych w celu wykrycia H2O2

• Języki publikacji: EN

Abstrakty

EN

In the paper an algorithm for the extraction of first and second order leaf venation has been presented. The algorithm applies to apple tree leaves specially stained to reveal the areas of H2O2 appearing in the leaf blade as brown spots of different size and intensity. In the considered case they represent the defence reaction of planfs tissue to a bacterial infection called fire blight. Examined leaf images include visible leaf veins with colour hue and brightness similar to the H2O2 spots. They are often superimposed on leaf veins and make serious distortions for the process of their extraction. In these conditions typical algorithms for the detection of venation patterns usually fail, so a new method of primary and secondary veins detection has been proposed. The vein extraction is based on the step-wise tracking of each vein axis using polygonal linę with the line segments of fixed size. The optimal direction for each step is obtained through the minimization of the proposed cost function depending on the prediction angle. The algorithm has been written in the M-language and executed in MATLAB environment. The experiments of leaf vein tracking carried out for the series of images gave promising results accepted by the biologists.

PL

W artykule przedstawiono algorytm wykrywania pierwszo- i drugorzędowego użyłkowania liści. Algorytm ten zastosowano do liści jabłoni specjalnie barwionych pod kątem wykrycia obszarów H2O2, występujących w blaszce liściowej w postaci brązowych plam o różnym rozmiarze i natężeniu barwy. Plamy te są objawem reakcji obronnej tkanki roślinnej na infekcję bakteryjną zwaną zarazą ogniową. Badane obrazy liści zawierają widoczne żyłki, których odcień koloru oraz jasności są zbliżone do tych obserwowanych w obszarach koncentracji H2O2. Obszary te często nakładając się na żyłki liścia, stanowią poważne zakłócenia w procesie ich wykrywania. W tych warunkach typowe algorytmy identyfikacji wzoru unerwienia zazwyczaj nie sprawdzają się, dlatego zaproponowano nową metodę detekcji żyłkowania pierwszego i drugiego rządu. Jest ona oparta na krokowym śledzeniu każdej żyłki z wykorzystaniem linii łamanej o odcinkach stałej długości. Optymalny kierunek w każdym kroku śledzenia uzyskuje się poprzez minimalizację zaproponowanej funkcji kosztu względem kąta predykcji. Algorytm napisano w języku M i zrealizowano w środowisku MATLAB. Testy algorytmu śledzenia żyłek przeprowadzone dla serii obrazów dają obiecujące rezultaty zaakceptowane przez biologów.

Słowa kluczowe

EN

leaf venation; fire blight; segmentation; morphological opening; curve tracking; cost function

PL

użytkowanie liścia; zaraza ogniowa; segmentacja obrazu; otwarcie morfologiczne; śledzenie krzywej; funkcja kosztu

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2010
• Tom: T. 14, z. 3/1
• Strony: 359--372
• Opis fizyczny: Bibliogr. 18 poz., rys., wykr., tab.

Twórcy

autor

Sekulska-Nalewajko J.

• Computer Engineering Department, Technical University of Lodz, Poland

autor

Gocławski J.

• Computer Engineering Department, Technical University of Lodz, Poland

autor

Gajewska E.

• Department of Plant Physiology and Biochemistry, University of Lodz, Poland

autor

Wielanek M.

• Department of Plant Physiology and Biochemistry, University of Lodz, Poland

Bibliografia

• [1] Fu H., Chi Z., A two-stage approachfor leafvein extraction. Proc. of the 2003 International Con-ference on Neural Networks and Signal Processing, Nanjing, China, vol. 1, December 14-17, 2003, 208-211.
• [2] Gonzalez E.R., Woods R.E., Eddins S.L., Digital Image Processing Using MATLAB. Prentice Hali, Upper Saddle River, NJ, 2004.
• [3] Jeżewski S., Sekulska-Nalewajko J., Mencwal A., Algorytmy przetwarzania wstępnego oraz ekstrakcji cech ze zdjęć obiektów przyrody ożywionej. XIII Konferencja „Sieci i systemy informatyczne", vol. 2, Łódź, 2005, 427-36.
• [4] Jin W.B., Gu W.Z., Zhang Z.F., An improved method for modeling of leaf venation patterns. Image and Signal Processing, 2nd International Congress on CISP '09, 2009, 1-5.
• [5] Kuźniak E., Urbanek U., The involvement of hydrogen peroxide in plant responses to stresses. Acta Physiol. Plant, 22, 2000, 195-203.
• [6] Li Y., Chi Z., Feng, D., Leaf Vein Extraction Using Independent Component Analysis. 2006 IEEE International Conference on Systems, Man and Cybernetics, Taiwan, 8-11 Oct. 2006, 3890-3894.
• [7] Mullen R.J., Monekosso D., Barman S., Remagnino P., A review of ant algorithms. Expert Systems with Applications, vol. 36, 2009, 9608-9617.
• [8] Nam Y., Hwang E., Kim D., Similarity-based leaf image retrieval scheme: Joining shape and venation features. Computer Vision and Image Understanding, vol. 110, Issue 2, 2008, 245-259.
• [9] Otsu N., A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man and Cybernetics, vol. 9, No. 1, 1979, 62-66.
• [10] Raghupathy K., Parks T.W., Improve curve tracing in images. http://www.ece.umassd.edu/Faculty/acosta/ICASSP/Icassp_2004/pdfs/0300581 .pdf.
• [11] Rolland-Lagan A.G., Amin M., Pakulska M., Quantifying leaf venation patterns: two-dimensional maps. The Plant Journal, vol. 57, 2009, 195-205.
• [12] Runions A., Fuhrer M., Lane B., Federl P., Rolland-Lagan A.G., Prusinkiewicz P., Modeling and visualization of leaf venation patterns. Proceedings of SIGGRAPH, http://algorithmicbota-ny.org/papers/venation.sig2005.pdf, 2005.
• [13] Sargin M.E., Altinok A., Rosę K., Manjunath B.S., Tracing Curvilinear Structures in Live Celi Images. http://vision.ece.ucsb.edu/publications/sargin_icip_07.pdf, 2007.
• [14] Serra J., Introduction to Mathematical Morphology. Computer Vision Graphicsn Image Processing, vol. 35, 1986, 283-305.
• [15] Steger C, An Unbiased Detector of Curvilinear Structures. IEEE Transactions on Pattern Analy-sis and Machinę, vol. 20, No. 2, 1998, 113-125.
• [16] The Mathworks Inc., Image processing toolbox users guide. http://www.mathworks.com/access/ helpdesk/help/pdf_doc/images/images_tb.pdf, 2008.
• [17] Thordal-Christensen H., Zhang Z., Wei Y., Collinge D.B., Subcellular localization of H2O2 in plants. H2O2 accumulation in papillae and hypersensitive response during the barley-powdery mildew interaction. Plant J., 11, 1997, 1187-1194.
• [18] Toft P.A., Using the Generalized Radon Transform for Detection of Curves in Noisy Images. IEEE International Conference onAcoustics, Speech, and Signal Processing, 1996. ICASSP-96. Conference Proc, vol. 4, 1996 , 2219- 2222.