[發明專利]一種KNN優化下基于多尺度三角形表征的植物葉片識別方法

在審

• 申請號: 202210507199.1
• 申請日: 2022-05-10
• 公開（公告）號: CN114821329A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 王美華;黃德
• 申請（專利權）人: 華南農業大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/44;G06V10/54;G06V10/764;G06T7/136;G06K9/62
• 代理公司: 廣州博聯知識產權代理有限公司 44663
• 代理人: 王洪江

1.一種KNN優化下基于多尺度三角形表征的植物葉片識別方法，其特征在于，包括以下步驟：

S1)、輸入RGB三通道的植物葉片圖片，對其進行預處理，提取植物葉片圖片的輪廓點；

S2)、對于提取的植物葉片輪廓點進行標號，并且進行分組，基于多尺度的三角形特征提取方法，來獲得植物葉片的三角形輪廓點角度特征TVA、三角形葉子形狀面積特征TUA、三角形紋理特征TGSSL、三角形邊長積分特征TSLI；

S3)、每一張植物葉片特征使用上述特征的集合進行表示，表示方法都與輪廓點的起始位置有關，對上述進行快速傅里葉變換，獲得長度為N的傅里葉系數序列，根據上述特征的選擇不變性，因此，起點不同不會改變傅里葉系數；

S4)、根據正則化后的特征值進行比較，每一張植物葉片圖像可以使用集合(TUA，TVA，TGA，TGSD，TSLI)來對比找到葉子種類，具體方法如下：

其中，dis(α,β)表示兩個數據之間的距離度量，α,β分別表示是數據集中的索引號，Γ_α、Γ_β分別表示(TUA_α，TVA_α，TGA_α，TGSD_α，TSLI_α)、(TUA_β，TVA_β，TGA_β，TGSD_β，TSLI_β)；

S5)、利用步驟S4)得到的輸出,可以用于區分兩張植物葉片的特征差異程度，并且根據差異信息進行圖像檢索、圖像分類，輸入一張圖像之后，系統將返回圖像庫最佳匹配的5張圖像還有他們之間的距離與類別。

2.根據權利要求1所述的一種KNN優化下基于多尺度三角形表征的植物葉片識別方法，其特征在于：步驟S1)中，葉子圖像的預處理具體如下：

S101)、將RGB圖像轉換成灰度圖像，通過以下公式獲得灰度矩陣表示：

Gray＝Red^*0.3+Green^*0.59+Blue*0.11；

S102)、利用python中的cv2模塊中的閾值分割函數進行閾值分割：

其中，f(x)為閾值分割函數，x_i,y_i分別表示圖像像素i的坐標，T為設置的閾值；

S103)、利用python中的cv2模塊中的find Contours函數提取葉片的外輪廓線，然后按逆時針均勻采樣N個點，輪廓坐標點集表示為:

P＝{(x₁,y₁),(x₂,y₂),…,(x_N,y_N)}；

其中，第i個輪廓點的坐標表示為:p_i(x_i,y_i)；x_N,y_N表示第N個輪廓點的坐標。

3.根據權利要求1所述的一種KNN優化下基于多尺度三角形表征的植物葉片識別方法，其特征在于：步驟S2)中，三角形葉子形狀面積特征TUA的提取如下：

其中，表示以i為坐標的點，以k為三角形的另外兩點取點的度量，

N為提取輪廓點后植物葉片輪廓的點的總數，k是正整數，用于選擇輪廓點的數量；x(k)為輪廓點p_i到p_i+x(k)之間輪廓點的數量；

ABS表示求絕對值，x_i-x(k)、x_i+x(k)、y_i-x(k)、y_i+x(k)分別表示對應下標的輪廓點坐標。