【技术实现步骤摘要】
本专利技术涉及图像处理和识别领域，尤其涉及一种基于阈值分割算法的作物病害叶片分割方法、系统、设备及介质。
技术介绍
1、图像处理技术经过几十年的发展，已经成为计算机视觉处理必不可少的重要部分，而在图像处理的过程中，图像分割技术是至关重要的组成部分，图像分割是由图像处理到图像分析的关键步骤。在整个图像工程中，图像分割起着非常重要的作用，是一种非常关键的技术，是从图像处理到图像分析的一个关键环节，也是对图像进行更深层次理解的一个基础，图像分割的优劣将会对后续的特征提取和对象分析产生很大的影响，因此有着非常重要的意义。
2、图像分割是工农业生产自动化、遥感图像分析、生物特征识别、计算机视觉、图像压缩编码、医学图像处理、智能视频分析等图像处理系统的算法中非常重要的一个步骤。在各类图像应用中，若要从图像中提取物体、测量物体等，都离不开图像的分割。
3、在心理学、生理学和计算机科学等领域，图像是人们认识和理解世界最主要的方式，而图像是其最基本的物质，因而，图像成为人们进行视觉认知研究的一种有力工具。2023年徐武等人提出一种引入反向学习策略的鲸鱼优化算法(woa)与最大熵结合的图像分割方法，并通过结合sobol序列、自适应权重系数、收敛因子的非线性调整优化后的woa算法，得到目标图像的最优阈值，并对其进行分割。通过与原始woa算法在测试函数上的对比，表明改进算法具有较好的收敛性和较快的收敛速度。
4、2019年刘千如，蒋占军等提出了一种自适应参数化萤火虫算法。在图像阈值分割测试实验中，采用该算法对图像最大
5、图像分割包含了许多种方法，主要使用阈值分割的方法对图像进行研究，阈值分割又包含了多种方法，如大津法，直方图双峰法，最大熵法，选取新鲜的玉米病害叶片图像分析对比后发现这三种方法对于玉米病害叶片图像都具有一定的分割效果，但最大熵算法对玉米病害叶片这类图像的分割性非常差，不能精确分割出叶片病斑。
技术实现思路
1、针对上述存在的问题，本专利技术旨在提供一种能够对最大熵算法进行改进，并实现最大熵算法的多阈值分割的一种基于阈值分割算法的作物病害叶片分割方法。
2、本专利技术所采用的技术方案的主要思路：图像分割在图像处理和图像识别中发挥着巨大的作用，其目的是将所需要的部分从图像中提取出来，为后续的处理和识别提供理论依据，图像分割包含了许多种方法，主要使用阈值分割的方法对图像进行研究，阈值分割又包含了多种方法，如大津法，直方图双峰法，最大熵法，选取新鲜的玉米病害叶片图像分析对比后发现这三种方法对于玉米病害叶片图像都具有一定的分割效果，但最大熵算法对玉米病害叶片这类图像的分割性非常差，不能精确分割出叶片病斑，因此引入粒子群算法对最大熵算法进行改进，实现最大熵算法的多阈值分割，实验结果表明，改进后的多阈值分割算法对玉米病害叶片图像能够实现较为精确地分割，将玉米病害叶片病斑能够较为完整地显现出来。
3、为了实现上述目的，本专利技术所采用的技术方案如下：
4、一种基于阈值分割算法的作物病害叶片分割方法，其特征在于：包括以下步骤：
5、步骤1：选取新鲜的带有病斑的玉米叶片图像分割为背景、前景和不确定区域，并按照灰度值进行排序，得到灰度直方图；
6、步骤2：在灰度直方图上求取最大熵值，并将该值设定为图像的全局阈值；
7、步骤3：引入粒子群算法优化最大熵值，并确定多个阈值；
8、步骤4：将全局阈值与图像像素进行比较，得到最佳阈值；
9、步骤5：针对背景和前景再次重复步骤1-3，对图像进行分割。
10、进一步的，所述步骤3中引入最大熵算法优化最大熵值包括以下步骤：
11、步骤3-1：初始化粒子群，将每个粒子看作一个解，其中每个解表示多个阈值；
12、步骤3-2：计算粒子的目标函数，即图像的熵值，目标函数为熵函数；
13、步骤3-3：根据目标函数和粒子位置更新速度和位置；
14、步骤3-4：重复步骤3-2和3-3，直到达到停止条件；
15、步骤3-5：选择适应度函数最优的粒子作为最终解，即多个阈值。
16、本申请还公开了一种基于阈值分割算法的作物病害叶片分割的系统，其特征在于：包括以下模块：
17、叶片图像分割模块
18、选取新鲜的带有病斑的玉米叶片图像分割为背景、前景和不确定区域，并按照灰度值进行排序，得到灰度直方图；
19、全局阈值设定模块
20、在灰度直方图上求取最大熵值，并将该值设定为图像的全局阈值；
21、算法优化模块
22、引入粒子群算法优化最大熵值，并确定多个阈值。
23、进一步的，所述算法优化模块包括以下子模块：
24、粒子群初始化子模块
25、初始化粒子群，将每个粒子看作一个解，其中每个解表示多个阈值；
26、目标函数计算子模块
27、计算粒子的目标函数，即图像的熵值，目标函数为熵函数；
28、速度和位置更新子模块
29、根据目标函数和粒子位置更新速度和位置；
30、粒子选择子模块
31、重复目标函数计算子模块和速度和位置更新子模块直至选择出适应度函数最优的粒子作为最终解，即多个阈值。
32、一种电子设备，包括处理器和存储器，其特征在于，所述存储器上存储有计算机指令，处理器用于运行存储器上存储的计算机指令，以实现如权利要求1或2中任一项所述的一种基于阈值分割算法的作物病害叶片分割方法。
33、一种计算机可读存储介质，其上存储有计算机指令，其中，所述计算机指令用于使计算机执行如权利要求1或2中任一项所述的一种基于阈值分割算法的作物病害叶片分割方法。
34、本专利技术的有益效果是：与现有技术相比，本专利技术的改进之处在于，
35、(1)能够有效地解决多阈值分割问题：能够全面搜索阈值空间，精确寻找到最优解；
36、(2)具有较高的准确性和鲁棒性：最大熵多阈值分割利用信息熵最大化原理进行分割，可以保证分割图像的精确性。而优化粒子群算法则可以进一步提高分割算法的鲁棒性，在噪声和复杂背景的情况下依然能够得到良好的分割效果；
37、(3)可以处理大规模图像分割任务：随着图像数据集的不断增大，传统的分割方法在处理大规模图像时会遇到计算复杂度高和内存消耗大等问题。而优化粒子群算法具有较强的可扩展性，可以并行处理大规模图像分本文档来自技高网...
【技术保护点】
1.一种基于阈值分割算法的作物病害叶片分割方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于阈值分割算法的作物病害叶片分割方法，其特征在于：所述步骤3中引入最大熵算法优化最大熵值包括以下步骤：
3.一种基于阈值分割算法的作物病害叶片分割的系统，其特征在于：包括以下模块：
4.根据权利要求3所述的一种基于阈值分割算法的作物病害叶片分割的系统，其特征在于：所述算法优化模块包括以下子模块：
5.一种电子设备，包括处理器和存储器，其特征在于，所述存储器上存储有计算机指令，处理器用于运行存储器上存储的计算机指令，以实现如权利要求1或2中任一项所述的一种基于阈值分割算法的作物病害叶片分割方法。
6.一种计算机可读存储介质，其上存储有计算机指令，其中，所述计算机指令用于使计算机执行如权利要求1或2中任一项所述的一种基于阈值分割算法的作物病害叶片分割方法。
【技术特征摘要】
1.一种基于阈值分割算法的作物病害叶片分割方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于阈值分割算法的作物病害叶片分割方法，其特征在于：所述步骤3中引入最大熵算法优化最大熵值包括以下步骤：
3.一种基于阈值分割算法的作物病害叶片分割的系统，其特征在于：包括以下模块：
4.根据权利要求3所述的一种基于阈值分割算法的作物病害叶片分割的系统，其特征在于：所述算法...
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。