[發明專利]一種基于支持向量機的稻瘟病菌孢子顯微圖像檢測識別方法

在審

• 申請號: 201810331262.4
• 申請日: 2018-04-13
• 公開（公告）號: CN108564124A
• 公開（公告）日: 2018-09-21
• 發明（設計）人: 王震;王金星;褚桂坤;王瑩;張磊;劉會香;劉雙喜
• 申請（專利權）人: 山東農業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34;G06K9/38;G06K9/46
• 代理公司: 濟南譽豐專利代理事務所(普通合伙企業) 37240
• 代理人: 李茜

1.一種基于支持向量機的稻瘟病菌孢子顯微圖像檢測識別方法，其特征在于，包括如下步驟：

(1)圖像預處理：獲取稻瘟病菌顯微圖像，將所述稻瘟病菌顯微圖像轉化為灰度圖像，并進行圖像背景校正、中值濾波處理和圖像增強處理；

(2)圖像分割：對預處理后的圖像進行二值化操作、形態學運算和邊緣檢測，得到疑似稻瘟病孢子的圖形輪廓；

(3)支持向量機檢測識別：從疑似稻瘟病孢子的圖形輪廓中提取出最具代表性的形狀特征參數和紋理特征參數，將所述形狀特征參數和紋理特征參數作為輸入向量訓練支持向量機分類器模型，利用訓練好的支持向量機分類器模型對稻瘟病孢子進行檢測識別。

2.根據權利要求1所述的方法，其特征在于，步驟(1)中，采用改進的基準背景法進行圖像背景校正，具體為：

將圖像矩陣劃分為4×4子矩陣并計算每一塊子矩陣的平均灰度，沿行對子矩陣的平均灰度進行檢測，當灰度值突降時，用相鄰子矩陣平均灰度的均值代替該子矩陣的灰度值；隨后在均勻化的子矩陣灰度中選定基本背景灰度B，以子矩陣平均灰度的中值作為基準背景灰度B；計算子矩陣轉換系數M(p)，計算方法為：其中，I(p)為像素灰度；I_b(p)為照明信號；I_n(p)為噪聲信號；I_d(p)為損壞信號；然后插值得到每個像素的轉換系數，使整個圖像的背景灰度值較為均勻地分布在B值附近。

3.根據權利要求1所述的方法，其特征在于，步驟(1)中，采用4×4型濾波模板對背景校正后的圖像進行中值濾波處理。

4.根據權利要求1所述的方法，其特征在于，步驟(1)中，所述圖像增強處理具體為：將中值濾波處理后的圖像進行直方圖均衡化處理，得到直方圖均衡化效果圖。

5.根據權利要求1所述的方法，其特征在于，步驟(2)中，所述二值化操作具體為：將圖像增強處理后得到的直方圖均衡化效果圖進行局部自適應閾值分割，得到二值化效果圖；

優選的，所述局部自適應閾值分割的操作步驟如下：

1)對于大小為h*k的原始圖像，將其劃分為H*K個子區域，其中h和k分別為H和K的整數倍；

2)對每個子區域分別計算其梯度直方圖，以便于將子區域中的與邊緣有關系的點提取出來，以獲得比原圖像的灰度直方圖更好的性質；

3)分別對步驟1)中的每一個子區域施行Otsu閾值分割，完成二值化操作得到二值化效果圖。

6.根據權利要求1所述的方法，其特征在于，步驟(2)中，采用6*6的圓盤結構元素對直方圖均衡化后的二值化效果圖進行形態學閉運算和開運算，得到去噪效果圖。

7.根據權利要求1所述的方法，其特征在于步驟(2)中，所述邊緣檢測具體為：將形態學運算得到的去噪效果圖通過Canny邊緣檢測，得到只含有邊緣信息的前景圖，將只含邊緣信息的前景圖進行輪廓提取得到輪廓的個數，并將各輪廓以輪廓樹的形式保存起來；按照輪廓樹逐一繪制出前景圖的各輪廓，得到疑似稻瘟病孢子的圖形輪廓。

8.根據權利要求7所述的方法，其特征在于，所述Canny邊緣檢測的具體過程為：

1)使用一個5*5內核的高斯平滑濾波器對圖像進行卷積降噪；

2)計算梯度幅值和方向，所用公式如下：

其中：G_x為檢測水平邊沿的橫向模板，G_y檢測垂直邊沿的縱向模板，G為梯度幅值，θ為梯度方向。

3)非極大值抑制，以排除非邊緣像素，僅保留一些候選邊緣；

4)設置滯后閾值，滯后閾值通常需要設置一個高閾值和一個低閾值：若某一像素位置的幅值超過高閾值，該像素被保留為邊緣像素；若某一像素位置的幅值小于低閾值，該像素被排除；若某一像素位置的幅值在兩個閾值之間，該像素僅僅在連接到一個高于高閾值的像素時被保留。