基于图像的植物叶片高通量表型数据提取算法研究

The leaf phenotype is defined as the observable external appearance including color, shape, vein structure and texture. Through association study between leaf phenotype and corresponding genome data, mining the gene that controls growing of leaf can be implemented, which is of great value to demonstrate the leaf growth mechanism . At present, existing leaf recognition methods basically extract the intermediate-level and low-level feature from leaf observable external appearance. With low recognition accuracy, these existing methods are not capable of meeting the requirement of whole genome-wide association study. This project proposes a high-level feature extraction approach utilizing syntactic representation, which can be implemented to describe features in various levels with combination of alphabet, words and sentences. The existing biological features and extracted graphics features can be integrated by using the syntactic representation, which could also enhance the performance and robustness for leaf recognition. This project is aiming at developing an automatic leaf recognition system based on high-level syntactic representation. This proposed system is the first attempt to automatically recognize soybean cultivars using leaf features, without relying on the priori knowledge. This research not only proposes a novel algorithm for image recognition but also provides a new solution for biology study.

叶片表型是指叶片的颜色、形状、叶脉结构以及纹理等可观察的外在表观。将不同品种的叶片表型与对应的基因组数据进行关联分析，能够挖掘控制叶片生长发育的基因。这对阐明叶片发育机理有着重要意义。目前，在利用图像识别算法对叶片的颜色、轮廓以及叶脉结构等表型进行提取的研究中，主要采用的是低阶和中阶算法，因此，识别相同物种叶片的正确率较低，无法满足其与全基因组关联分析的需求。本项目提出一种高阶句法的特征描述方法，该方法用字母、单词和句子的关系来描述不同尺度的叶片特征，从而使已知的生物学特征和计算纹理特征得到灵活地整合，这将大幅度提高叶片识别算法的准确性和鲁棒性。本研究的目标是开发基于高阶算法的大豆叶片识别程序。此程序将首次实现利用提取的叶片特征信息区分不同的大豆品种，并且能在不依赖于先验知识的情况下自动识别新品种。本研究不仅是形态识别算法的原始创新，也为生物学研究提供了新方法。

为了适用不同环境，植物会根据需要调整叶片的生长方式，因此，即使是同一物种、甚至同一植株在不同时期的叶片形态也不尽相同。，人们一直试图揭示植物叶片多样性的分子机制，现在，越来越多的基因被发现参与了调控叶片形状、叶脉网络结构等过程，将不同品种的叶片表型与对应的基因组数据进行关联分析，能够挖掘控制叶片生长发育的基因。这对阐明叶片发育机理有着重要意义。目前，在利用图像识别算法对叶片的颜色、轮廓以及叶脉结构等表型进行提取的研究中，主要采用的是低阶和中阶算法，因此，识别相同物种叶片的正确率较低，无法满足其与全基因组关联分析的需求。本项目提出一种高阶句法的特征描述方法，该方法用字母、单词和句子的关系来描述不同尺度的叶片特征，从而使已知的生物学特征和计算纹理特征得到灵活地整合，这将大幅度提高叶片识别算法的准确性和鲁棒性。本项目完成预期两个研究目标：开发基于高阶句法特征的大豆叶片识别程序，利用全局结构信息区分不同大豆品种，从而实现品种的“叶片指纹”构建。根据图像技术获取的叶片表型数据，与大豆品种的地域、类型及基因组信息 进行关联分析，分析表型与大豆属性之间的相关性，挖掘控制叶片生长发育的基因组区域。该成果首次实现利用提取的叶片特征信息区分不同的大豆品种，并且能在不依赖于先验知识的情况下自动识别新品种。本研究不仅是形态识别算法的原始创新，也为生物学研究提供了新方法。