[發明專利]一種綠蘿葉片病害原因檢測方法及裝置

有效

• 申請號: 201811624647.6
• 申請日: 2018-12-28
• 公開（公告）號: CN109801235B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 馬浩;朱文博;吳佳宏;蔡瑜萍;郭建湘
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/194;G06T7/90
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 謝泳祥

1.一種綠蘿葉片病害原因檢測方法，其特征在于，所述方法包括以下步驟：

步驟1，對待測葉片圖像進行預處理得到去噪圖像；

步驟2，將去噪圖像進行圖像分割得到前景圖像；

步驟3，通過顏色空間轉化前景圖像凸顯出病斑圖像區域；

步驟4，在病斑圖像區域判斷待測葉片圖像是否出現病斑；

步驟5，計算病斑圖像區域的病斑圖像區域范圍；

在步驟2中，將去噪圖像進行圖像分割得到前景圖像的方法為，

設去噪圖像為g(i,j)，θ(x,y)是二維平滑函數∫_R∫_Rθ(x,y)dxdy＝1；

對平滑函數θ(x,y)分別求x方向和y方向的偏導數有：x方向偏導數y方向偏導數/對于任意函數g(i,j)∈R²，R²為2維空間的圖像,由兩個小波φ¹(x,y)和φ²(x,y)有兩個分量：/

梯度矢量為：其中：S為尺度系數，S默認為1；/和分別為圖像中沿x,y方向的偏導數，小波變換在尺度2^j的模和幅角分別為：

小波變換的模正比于梯度向量/的模,小波變換的幅角/是梯度向量/與水平方向的夾角，即為圖像分割的邊緣，尋找梯度向量的模的局部最大值點并進行圖像分割得到前景圖像；在每一個尺度2^j，小波變換的模的最大值定義為模/在沿著梯度方向的局部最大值點。

2.根據權利要求1所述的一種綠蘿葉片病害原因檢測方法，其特征在于，在步驟1中，對待測葉片圖像進行預處理得到去噪圖像的方法為，對于待測葉片圖像的像素點位置(i,j)處的像素，(i,j)的灰度值為f(i,j)，平滑后的灰度值為g(i,j)，通過式子對待測葉片圖像的像素點灰度值進行平滑得到去噪圖像，其中，A為以(i,j)為中心的鄰域點的集合，M為A中像素點的總數，x,y＝0,1,2,…,M-1。

3.根據權利要求1所述的一種綠蘿葉片病害原因檢測方法，其特征在于，在步驟3中，通過顏色空間轉化前景圖像凸顯出病斑圖像區域的方法為，

步驟3.1，將前景圖像從RGB空間轉換到YCbCr空間，空間轉換式為：其中，R、G、B分別為像素點的紅、綠、藍三個通道的顏色值，Y為明亮度，即灰階值，亮度是透過RGB輸入信號來建立的，方法是將RGB信號的特定部分疊加到一起，Cb為RGB輸入信號藍色部分與RGB信號亮度值之間的差異，Cr為RGB輸入信號紅色部分與RGB信號亮度值之間的差異；

步驟3.2，由于Cr和Cb分別有相對于Y的正態分布特性，在YCbCr空間里使用正態分布參數評估的方法來凸顯出前景圖像中病斑圖像區域，正態分布函數表達式為：

其中，μ_x和μ_y分別是平滑函數θ(x,y)中x和y的均值，σ_x和σ_y分別是x和y的樣本標準差，求出前景圖像Cr的均值x_μ和方差x_σ，Cb的均值y_μ和方差y_σ，得到F分布為：

即當前景圖像中的像素區域的Cr，Cb滿足在均值和標準差的區間內的分布時，即Cr和Cb構成的F(x,y)滿足F分布的區域，即為病斑圖像區域。

4.根據權利要求1所述的一種綠蘿葉片病害原因檢測方法，其特征在于，在步驟4中，在病斑圖像區域判斷待測葉片圖像是否出現病斑的方法為，病斑圖像區域的彩色特征為以下約束條件，R±α＝G±α＝B±α，L₁≤Y≤L₂，α取范圍為10～50的整數，L₁為70，L₂為150，滿足約束條件則判斷綠蘿葉片出現病斑。