基于高光谱图像的植物叶片自动识别方法和系统技术方案

本发明专利技术涉及高光谱图像处理技术领域，尤其涉及一种基于高光谱图像的植物叶片自动识别方法和系统

【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
)
，长度方向第一个目标物的像素点坐标为
(x
firstl
，
y
firstl
)、
最后一个目标物像素点坐标为
(x
endl
，
y
endl
)
；所述待识别区域
Q2坐标为
(x
firstw
：
x
endw
，
y
firstl
：
y
endl
，
Bands)。
[0021]优选的，步骤
S5
中的
M
和
N
的数值由
Q2决定；所述每个小图像块的宽度和长度分别为
Δ
x、
Δ
y
，公式如下：
[0022]Δ
x
＝
(x
endw
‑
x
firstw
)/m
；
Δ
y
＝
(y
endl
‑
y
firstl
)/n
；
[0023]其中
m、n
为从1到
10
的整数，由第一幅植物叶片高光谱图像数据学习所确定，即当第一幅数据植物叶片识别效果最佳时的
m
值，
Δ
x、
Δ
y
皆为整数
。
[0024]优选的，步骤
S5
中第一个待分析的小图像块区域为
(x
firstw
：
x
firstw
+
Δ
x
，
y
firstl
：
y
firstl
+
Δ
y
，
Bands)
，如果在初步目标识别结果图
Q1对应的区域
(x
firstw
：
x
firstw
+
Δ
x
，
y
firstl
：
y
firstl
+
Δ
y)
中只具有背景，则此图像块被设为背景，分析下一个小图像块；若同时具有背景和目标
、
或只具有目标时，则选取最优的三波长组合使此小图像块转成灰度图像
I1。
[0025]优选的，植物为人参
。
[0026]本专利技术第一目的在于提供基于高光谱图像的植物叶片自动识别系统，用于执行所述的基于高光谱图像的植物叶片自动识别方法，包括：
[0027]数据采集模块，用于获取植物叶片高光谱图像数据；
[0028]数据处理模块，用于预处理得到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，通过
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；
[0029]数据分析模块，用于提取二值化图像中目标与背景，得到识别结果图像，对识别结果图像进一步分割为小图像块，再依据
OTSU
方法对小图像块进行阈值分割处理；
[0030]图像输出模块，用于将分析后的小图像块按照原顺序组合输出识别后的图像
。
[0031]与现有技术相比，本专利技术能够取得如下有益效果：
[0032]本专利技术将光谱信息引入植物叶片识别的过程，寻找合适的波长组合构成对比度最
高的灰度图像，利用
OTSU
方法将植物叶片同与叶片相近的背景分割开，完成初步目标识别，将图像分块，对于每一块选择最合适的波长组合使对比度最高，进行阈值分割，剔除高光谱图像数据中存在的与植物叶片相近的背景，完成叶片目标识别，解决由于因为存在与植物叶片相近背景导致的
OTSU
方法目标识别准确率不高的问题
。
附图说明
[0033]图1是根据本专利技术实施例提供的基于高光谱图像的植物叶片自动识别方法流程图
。
具体实施方式
[0034]在下文中，将参考附图描述本专利技术的实施例
。
在下面的描述中，相同的模块使用相同的附图标记表示
。
在相同的附图标记的情况下，它们的名称和功能也相同
。
因此，将不重复其详细描述
。
[0035]为了使本专利技术的目的
、
技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本专利技术进行进一步详细说明
。
应当理解，此处所描述的具体实施例仅用以解释本专利技术，而不构成对本专利技术的限制
。
[0036]本专利技术提供一种基于高光谱图像的植物叶片自动识别方法，包括如下步骤：
[0037]S1、
手动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
(
即目标物的光谱曲线
)
，并记录为
X1；
[0038]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，即
Width、Length、Bands
；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本文档来自技高网...

【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：