[發明專利]一種作物病害葉片圖像中病斑的分割方法

有效

• 申請號: 201611197973.4
• 申請日: 2016-12-22
• 公開（公告）號: CN106803257B
• 公開（公告）日: 2020-04-10
• 發明（設計）人: 王志彬;王開義;韓焱云;潘守慧;趙向宇;王書鋒
• 申請（專利權）人: 北京農業信息技術研究中心
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187;G06T7/90
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王文君

1.一種作物病害葉片圖像中病斑的分割方法，其特征在于，包括以下步驟：

S1從圖像采集設備中獲取包含作物病害葉片的彩色圖像I₁，對所述彩色圖像I₁進行歸一化處理形成彩色圖像I₂；

S2提取圖像I₂的紅色、綠色、藍色三個顏色通道上的子圖像I_r,I_g,I_b，并將圖像I₂轉換到CIEL*a*b*顏色空間，提取a*顏色分量，并形成圖像I_a*；

S3根據病害葉片的特點，設置初始分類數目為2，即將病害葉片分為病斑部分和正常葉片部分2大類；

S4利用自適應特征學習方法，學習圖像中的病斑和背景葉片的初始分類顏色特征R、G、B的值，病斑圖像R、G、B的平均值為病斑分類中心，正常葉片圖像R、G、B的平均值為背景葉片分類中心，

S5計算各個像素點到分類中心的距離，把數據歸到離它最近的那個分類中心所在的類；

S6分別統計分割結果中病斑區域和正常葉片區域的像素在CIEL*a*b*顏色空間模型中a*值的均值和R、G、B的均值；

S7計算病斑區域和背景葉片區域兩類a*均值之間的距離；

S8若a*值的距離與下一次重新聚類得出的值相比最大則分割結束；否則，更新分類中心，重復步驟S5～S8直至a*值的距離小于上一次聚類結果時的距離。

2.根據權利要求1所述的作物病害葉片圖像中病斑的分割方法，其特征在于，步驟S1中，利用雙線性插值方法將所述彩色圖像歸一化為L×H大小的圖像，其中L、H分別為放縮后圖像的寬度和高度，圖像中像素數小于100的值置為0。

3.根據權利要求1所述的作物病害葉片圖像中病斑的分割方法，其特征在于，步驟S4的自適應特征學習方法，包括以下操作：

S41將圖像I₂分成為s×t像素大小的M塊子圖像；

S42隨機選取一幅不重復的子圖像blcok_i(1≤i≤M)，將該圖像轉換到CIEL*a*b*顏色空間，并提取a*分量，形成子圖像block_a*；

S43將block_a*中所有的像素進行排序，分別提取最大的前N個值和最小的前N個值所對應的像素點；

S44根據公式(1)，

(I_g(x,y)-I_r(x,y)＞θ₁)∩(I_g(x,y)-I_b(x,y)＞θ₂) (1)

計算滿足公式(1)條件下，block_a*值中最小的前N個值所對應的像素點的平均R、G、B值，記為R₁、G₁、B₁，并統計滿足公式(1)的像素個數N₁；

式(1)中，0＜θ₁＜255，0＜θ₂＜255；

S45計算不滿足公式(1)條件下，block_a*值中最大的前N個值所對應的像素點的平均R、G、B值，記為R₂、G₂、B₂，并統計不滿足公式(1)的像素個數N₂；

S46若N₁＞θ₃×N，則R₁、G₁、B₁，為正常葉片區域的初始分類顏色特征初值，否則，跳到步驟S42；其中0.5≤θ₃≤1；

S47若N₂＞θ₄×N，則R₂、G₂、B₂，為病斑區域的初始分類顏色特征初值，否則，跳到步驟S42；其中0.5≤θ₄≤1；

S48根據同時滿足步驟S46和步驟S47條件的葉片初始特征顏色值R₁、G₁、B₁和病斑初始顏色特征值R₂、G₂、B₂，利用傳統的K-means聚類算法對圖像blcok_i進行分類，提取分類中心不再變化的分類中心點，為該圖像blcok_i最終的分類特征值，R_i1、G_i1、B_i1和R_i2、G_i2、B_i2，并統計參與分類的子圖像blcok_i的個數Num；

S49重復步驟S42～S48,直至對所述M幅子圖像全部進行遍歷，然后將Num個子圖像所對應的R_i1、G_i1、B_i1和R_i2、G_i2、B_i2分別進行求取均值，其均值和為圖像I₂最終的初始顏色特征值。