【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及形態(tài)學(xué)圖像處理領(lǐng)域和植物學(xué)領(lǐng)域，具體涉及一種采用數(shù)字形態(tài)學(xué)技術(shù)來(lái)分割處理葉片圖像的檢測(cè)方法、提取圖像的輪廓特征值、對(duì)葉片進(jìn)行模板匹配、顏色聚類和病斑分析。
技術(shù)介紹
葉面積作為標(biāo)定植物生長(zhǎng)發(fā)育、長(zhǎng)勢(shì)、遺傳特性等生理生化反應(yīng)過(guò)程的主要參數(shù)，廣泛應(yīng)用于農(nóng)業(yè)科研服務(wù)和生產(chǎn)中。在農(nóng)業(yè)氣象試驗(yàn)、研究和常規(guī)業(yè)務(wù)觀測(cè)中，葉面積是衡量作物長(zhǎng)勢(shì)、生長(zhǎng)動(dòng)態(tài)的主要指標(biāo)，可為農(nóng)業(yè)氣象情報(bào)服務(wù)提供有效、科學(xué)、適用的數(shù)據(jù)。傳統(tǒng)測(cè)量葉面積的方法主要有方格法、稱重法、求積儀法、光電法以及調(diào)整系數(shù)法等等，這些方法在過(guò)去的研究中發(fā)揮過(guò)巨大的作用。但這些方法都分別存在著測(cè)定手續(xù)繁鎖、工作量大、受儀器條件限制、誤差大等缺點(diǎn)。專業(yè)性的葉面積儀雖然克服了部分確點(diǎn)，但是價(jià)格昂蟲貝ο隨著現(xiàn)代科技的發(fā)展，這些問(wèn)題都可能借助于計(jì)算機(jī)圖像處理和分析技術(shù)來(lái)解決。通過(guò)將對(duì)應(yīng)植物數(shù)字圖像輸入計(jì)算機(jī)，利用圖像處理技術(shù)、模式識(shí)別技術(shù)且輔助以軟件系統(tǒng)可以實(shí)現(xiàn)對(duì)植物的快速識(shí)別。1985年，Clarke等在用葉片數(shù)字圖像測(cè)量葉面積方面進(jìn)行了研究，將葉片從植株上分離后，再對(duì)其進(jìn)行拍照并將照片輸入計(jì)算機(jī)，通過(guò)圖像處理進(jìn)行測(cè)量。1991年，F(xiàn)ranzE等人將曲率用于完全可見(jiàn)和部份可見(jiàn)的葉片的邊界描述。對(duì)于完全可見(jiàn)的葉片，將實(shí)測(cè)的曲率函數(shù)和模型相匹配即可對(duì)葉片進(jìn)行辨識(shí)；對(duì)于部份可見(jiàn)的葉片，利用傅立葉-梅林(Fourier-Mellin)相關(guān)性變換對(duì)曲率函數(shù)進(jìn)行重建后再與模型進(jìn)行匹配。當(dāng)葉片與莖桿的旋轉(zhuǎn)角度超過(guò)30°時(shí)，模型要進(jìn)行相應(yīng)角度的旋轉(zhuǎn)。2001年，紀(jì)壽文等利用圖像處理測(cè)得的投影面積、葉長(zhǎng)、葉寬等形狀描述參數(shù)，...
【技術(shù)保護(hù)點(diǎn)】
基于掃描圖像的植物葉片特征分析系統(tǒng)，其特征在于，其包括以下步驟：（1）、圖像預(yù)處理將從掃描儀獲取的葉子圖像進(jìn)行圖像預(yù)處理，去除圖像中存在的雜點(diǎn)；（2）、葉子圖像特征分析計(jì)算①采用大律法對(duì)預(yù)處理過(guò)后的圖像進(jìn)行閾值分割，得到一個(gè)二值圖像；②采用形態(tài)學(xué)濾波器對(duì)得到的二值圖像進(jìn)行處理，實(shí)現(xiàn)葉片和葉柄的自動(dòng)分割；③將形態(tài)學(xué)濾波后得到的圖像進(jìn)行形態(tài)學(xué)梯度檢測(cè)，得到葉片和葉柄的輪廓；再根據(jù)得到的輪廓計(jì)算葉片和葉柄的周長(zhǎng)與面積，對(duì)得到的輪廓進(jìn)行增長(zhǎng)方向檢測(cè)，得出葉子的鋸齒數(shù)目，并將得到的參數(shù)保存到數(shù)據(jù)表中；（3）、葉片模板匹配①將模板圖像和預(yù)處理過(guò)的殘葉圖片轉(zhuǎn)化為灰度圖像；②采用SIFT算法對(duì)模板圖片和殘葉圖片進(jìn)行關(guān)鍵點(diǎn)檢測(cè)；③根據(jù)關(guān)鍵點(diǎn)計(jì)算圖像的特征向量；④根據(jù)圖像特征向量進(jìn)行匹配，如果達(dá)到設(shè)定的匹配值，則認(rèn)為匹配成功，繪出匹配輪廓，對(duì)殘葉圖片進(jìn)行補(bǔ)全；（4）、顏色聚類①對(duì)圖片進(jìn)行預(yù)處理，去除雜點(diǎn)；②將圖片通過(guò)矩陣轉(zhuǎn)換到Y(jié)UV顏色空間；③分離健康葉色，將健康的葉子顏色從葉子分離出去；④使用k均值方法對(duì)非健康葉片顏色在YUV顏色空間進(jìn)行聚類；（5）、病斑分析①對(duì)圖片進(jìn)行預(yù)處理，去除雜點(diǎn)；②將圖片通過(guò)矩...
【技術(shù)特征摘要】
1.基于掃描圖像的植物葉片特征分析系統(tǒng)，其特征在于，其包括以下步驟: (1)、圖像預(yù)處理 將從掃描儀獲取的葉子圖像進(jìn)行圖像預(yù)處理，去除圖像中存在的雜點(diǎn)； (2)、葉子圖像特征分析計(jì)算 ①采用大律法對(duì)預(yù)處理過(guò)后的圖像進(jìn)行閾值分割，得到一個(gè)二值圖像； ②采用形態(tài)學(xué)濾波器對(duì)得到的二值圖像進(jìn)行處理，實(shí)現(xiàn)葉片和葉柄的自動(dòng)分割； ③將形態(tài)學(xué)濾波后得到的圖像進(jìn)行形態(tài)學(xué)梯度檢測(cè)，得到葉片和葉柄的輪廓；再根據(jù)得到的輪廓計(jì)算葉片和葉柄的周長(zhǎng)與面積，對(duì)得到的輪廓進(jìn)行增長(zhǎng)方向檢測(cè)，得出葉子的鋸齒數(shù)目，并將得到的參數(shù)保存到數(shù)據(jù)表中； (3)、葉片模板匹配 ①將模板圖像和預(yù)處理過(guò)的殘葉圖片轉(zhuǎn)化為灰度圖像； ②采用SIFT算法對(duì)模板圖片和殘葉圖片進(jìn)行關(guān)鍵點(diǎn)檢測(cè)； ③根據(jù)關(guān)鍵點(diǎn)計(jì)算圖像的特征向量； ④根據(jù)圖像特征向量進(jìn)行匹配，如果達(dá)到設(shè)定的匹配值，則認(rèn)為匹配成功，繪出匹配輪廓，對(duì)殘葉圖片進(jìn)行補(bǔ)全； (4)、顏色聚類 ①對(duì)圖片進(jìn)行預(yù)處理，去除雜點(diǎn)； ②將圖片通過(guò)矩陣轉(zhuǎn)換到Y(jié)UV顏色空間； ③分離健康葉色，將健康的葉子顏色從葉子分離出去； ④使用k均值方法對(duì)非健康葉片顏色在YUV顏色空間進(jìn)行聚類； (5)、病斑分析 ①對(duì)圖片進(jìn)行預(yù)處理，去除雜點(diǎn)； ②將圖片通過(guò)矩陣轉(zhuǎn)換到Y(jié)UV顏色空間； ③分離健康葉色，將健康的葉子的顏色從葉子從分離出去； ④運(yùn)用邊緣檢測(cè)的方法根據(jù)用戶指定的病斑的大致區(qū)域提取的病斑的邊緣； ⑤對(duì)病斑邊緣進(jìn)行調(diào)整,使之更加精細(xì)的覆蓋病斑； ⑥計(jì)算病斑面積并得出計(jì)算結(jié)果。2.根據(jù)權(quán)利要求1所述的基于掃描圖像的植物葉片特征分析系統(tǒng)，其特征在于，步驟(1)中所述的圖像預(yù)處理的方法為:采用中值濾波，將數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的均值代替，讓周圍的像素值接近真實(shí)值，從而消除孤立的噪聲點(diǎn)；中值濾波去除圖像的噪聲方法為:遍歷圖像，求每個(gè)像素點(diǎn)和與其八連通像素點(diǎn)的平均灰度值，將該像素點(diǎn)的灰度值設(shè)為平均灰度值。3.根據(jù)權(quán)利要求1所述的基于掃描圖像的植物葉片特征分析系統(tǒng)，其特征在于，步驟(2)中大律法對(duì)預(yù)處理過(guò)后的圖像進(jìn)行閾值分割的步驟如下: Stepl:遍歷圖像,求取圖像最大最小灰度值min, max; Step2:讓閾值t依次取[min，max]之間的值，取t時(shí)，前景點(diǎn)數(shù)占圖像比例為wO,平均灰度為u0，背景點(diǎn)數(shù)占圖像比例為wl，平均灰度為ul，圖像的總平均灰度為:u=w0*u0+wl*ul ;求取 T,使得當(dāng) t = T 時(shí)，使 g=w0* (u0_u)2 +wl* (ul_u)2 取得最大值; Step3:用閾值T對(duì)圖像進(jìn)行分割，當(dāng)圖像的灰度值大于T，將該像素灰度值設(shè)為255，若該像素點(diǎn)的灰度值小于T，將該像素點(diǎn)的灰度值設(shè)為O，完成對(duì)圖像的閾值分割。4.根據(jù)權(quán)利要求1所述的基于掃描圖像的植物葉片特征分析系統(tǒng)，其特征在于，步驟(2)中所述的采用形態(tài)學(xué)濾波器對(duì)得到的二值圖像進(jìn)行處理，實(shí)現(xiàn)葉片和葉柄的自動(dòng)分割的方法為:采用同一個(gè)核來(lái)對(duì)圖像先進(jìn)行腐蝕后進(jìn)行膨脹，在實(shí)現(xiàn)葉子分割的前提下保證圖像特征不丟失，具體包括以下步驟:A、將輸入的圖像進(jìn)行二值化操作，得到二值化圖像；B、利用基于最小二乘法的橢圓擬合算法尋找二值圖像的橢圓形包絡(luò)，找到橢圓包絡(luò)的短軸w ;C、取短軸的一半作為圖像形態(tài)學(xué)操作的結(jié)構(gòu)元素s的邊長(zhǎng)，以該結(jié)構(gòu)元素對(duì)圖像進(jìn)行腐蝕，這樣葉子的葉柄就從圖像中去除掉了 ；接下來(lái)以結(jié)構(gòu)元素對(duì)圖像進(jìn)行膨脹，這樣就得到了一個(gè)不含葉柄的葉片；D、將初始的二值圖像與腐蝕膨脹后的圖像做相減，找到最大的那個(gè)塊，就得到了葉柄圖像Pl ;E、將最初的二值圖像與葉柄圖像相減，得到葉片圖像p2 ;這樣就完成了葉子葉片和葉柄的自動(dòng)分割； 葉片閾值分割:對(duì)葉子圖片進(jìn)行閾值分割時(shí)采用大律法，具體步驟是:A、對(duì)圖像進(jìn)行遍歷找到圖像的最小灰度值w，記t=w為前景與背景的分割閾值；B、再次遍歷圖像，前景點(diǎn)數(shù)占圖像比例為wO，平均灰度為uO，背景點(diǎn)數(shù)占圖像比例為wl，平均灰度為ul，圖像的總平均灰度為:u=wO*uO+wl*ul ;C、從最小灰度值到最大灰度值遍歷t,當(dāng)t使得值g=w0*(u0-u)2 +wl* (ul-u)2最大時(shí)t即為分割的最佳閾值；...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉貴松，屈鴻，邱釗，蔡慶，解修蕊，陳文宇，王曉彬，
申請(qǐng)(專利權(quán))人：電子科技大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。