[發(fā)明專利]一種綠蘿葉片病害原因檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 201811624647.6
• 申請日: 2018-12-28
• 公開（公告）號: CN109801235B
• 公開（公告）日: 2023-03-28
• 發(fā)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(qū)域；

步驟4，在病斑圖像區(qū)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(qū)域的病斑圖像區(qū)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(qū)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(tài)分布特性，在YCbCr空間里使用正態(tài)分布參數評估的方法來凸顯出前景圖像中病斑圖像區(qū)域，正態(tài)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(qū)域的Cr，Cb滿足在均值和標準差的區(qū)間內的分布時，即Cr和Cb構成的F(x,y)滿足F分布的區(qū)域，即為病斑圖像區(qū)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(qū)域判斷待測葉片圖像是否出現病斑的方法為，病斑圖像區(qū)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。