【技术实现步骤摘要】
与步骤
S2
得到的二值化图像中两个阈值图像对应光谱的光谱角,其中光谱角最小的设为目标物,其余类别设为背景;所述光谱角公式如下:
[0014][0015]式中:
X*
代表未知光谱;
X1代表步骤
S1
所求的植物叶片平均光谱曲线,即目标物的光谱曲线;
θ
为光谱角,光谱角越小,则光谱越相似,即与
X1光谱角最小的阈值图像为目标,剩下的阈值图像作为背景;
T
代表向量转置
。
[0016]优选的,步骤
S2
中的形状信息包括
Width、Length、Bands。
[0017]优选的,步骤
S2
中对比度的计算公式如下:
[0018][0019]式中,
C
代表图像块的对比度,
δ
(i
,
j)
=
|i
‑
j|
代表相邻像素间的灰度差,
P
δ
(i
,
j)
代表相邻像素间的灰度差为
δ
的像素分布概率
。
[0020]优选的,步骤
S4
中
Q1图像的宽度方向第一个目标物的像素点坐标为
(x
firstw
,
y
firstw
)、
最后一个目标物像素点坐标为
(x
endw
,
y
endw ...
【技术保护点】
【技术特征摘要】
1.
基于高光谱图像的植物叶片自动识别方法,其特征在于,包括如下步骤:
S1、
选择一张植物叶片高光谱图像数据,计算该高光谱图像数据的平均光谱信息
X1;
S2、
读入植物叶片高光谱图像数据,并获取叶片高光谱图像数据的形状信息;选取植物叶片高光谱图像数据中最优的三波长组合构成对比度最高的灰度图像
I
,利用
OTSU
方法进行阈值分割处理,得到由目标物和背景组成的二值化图像;
S3、
根据平均光谱信息
X1和二值化图像确定目标物与背景,得到初步目标识别结果图
Q1;
S4、
分别获取初步目标识别结果图
Q1中宽度方向和长度方向的第一个目标物的像素点坐标和最后一个目标物像素点坐标,得到待识别区域
Q2;
S5、
将待识别区域
Q2划分为
M
×
N
个图像块,对每个小图像块再次利用
OTSU
方法进行阈值分割,得到识别后的小图像块;
S6、
将所有识别后的小图像块按照原顺序组合,得到识别后图像
。2.
根据权利要求1所述的基于高光谱图像的植物叶片自动识别方法,其特征在于,所述步骤
S3
中确定目标物与背景的方法包括:计算步骤
S1
中平均光谱信息
X1与步骤
S2
得到的二值化图像中两个阈值图像对应光谱的光谱角,其中光谱角最小的设为目标物,其余类别设为背景;所述光谱角公式如下:式中:
X*
代表未知光谱;
X1代表步骤
S1
所求的植物叶片平均光谱曲线,即目标物的光谱曲线;
θ
为光谱角,光谱角越小,则光谱越相似,即与
X1光谱角最小的阈值图像为目标,剩下的阈值图像作为背景;
T
代表向量转置
。3.
根据权利要求2所述的基于高光谱图像的植物叶片自动识别方法,其特征在于:所述步骤
S2
中的形状信息包括
Width、Length、Bands。4.
根据权利要求3所述的基于高光谱图像的植物叶片自动识别方法,其特征在于:所述步骤
S2
中对比度的计算公式如下:式中,
C
代表图像块的对比度,
δ
(i
,
j)
=
|i
‑
j|
代表相邻像素间的灰度差,
P
δ
(i
,
j)
代表相邻像素间的灰度差为
δ
的像素分布概率
。5.
根据权利要求1‑4任意一项所述的基于高光谱图像的植物叶片自动识别方法,其特征在于:所述步骤
S4
中
Q1图像的宽度方向第一个目标物的像素点坐标为
(x
firstw
,
y
firstw
)、
最后一个目标物像素点坐标为
(x
endw
,
Y
endw
)
,长度方向第一个目标物的像素点坐标为
(x
firstl
,
y
firstl
)、
...
【专利技术属性】
技术研发人员:孙慈,王金雨,陈佳奇,赵梓彤,王明佳,杨晋,冯树龙,宋楠,王添一,
申请(专利权)人:中国科学院长春光学精密机械与物理研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。