[发明专利]一种植物叶片的图像识别方法

权利要求书

1.一种植物叶片的图像识别方法，其特征在于，包括以下步骤：

S1、先判断当前是向系统输入已知种类的训练集，还是输入待识别的叶片；如果是前者，转向步骤S2，如果是后者，转向步骤S6；

S2、向系统输入扫描或拍摄的各类植物叶片的RGB彩色图像及其种类名，并逐一标定叶基点、叶尖点；

S3、对步骤S2所输入的训练集中的批量图像逐一进行预处理，得到批量二值图像；

S4、对预处理后的批量二值图像逐一进行特征提取；

S5、在面向叶片识别的神经网络分类器中，进行训练学习，并存储训练学习结果；

S6、向系统输入单张扫描或拍摄的某类植物叶片的RGB彩色图像，并标定其叶基点、叶尖点；

S7、对步骤S6中所输入的单张图像进行预处理，得到单张二值图像；

S8、对预处理后的单张二值图像进行特征提取；

S9、在面向叶片识别的神经网络分类器中进行分类；

S10、输出按可能性从大到小排序的植物种类列表。

2.根据权利要求1所述的植物叶片的图像识别方法，其特征在于，步骤S3或步骤S7所述预处理，包括如下步骤：

S31)把RGB彩色图像转化为灰度图像；

S32)把灰度图像进行中值滤波；

S33)对图像进行动态阀值分割，把图像前景和背景分离出来，得到二值图像；

S34)用连通区域选择的方法，在分割得到的二值图像中选择该叶片的叶基点所在的那个连通区域，其他区域的点的值均更改为“0”。

3.根据权利要求2所述的植物叶片的图像识别方法，其特征在于，所述动态阈值分割采用图像直方图分析法，选取图像直方图中双峰间的波谷作为阀值。

4.根据权利要求1所述的植物叶片的图像识别方法，其特征在于，步骤S4所述特征包括：对每片叶片的二值图像采用旋转、按比例缩放、平移基本变换后，所转换成的标准化二值矩阵；其中，叶基点和叶尖点分别处于纵坐标值相等的两个固定点上，且叶尖点的横坐标大于叶基点的横坐标。

5.根据权利要求1所述的植物叶片的图像识别方法，其特征在于，步骤S5包括以下步骤：

S51)首先统计步骤S2中所输入的植物种类数；然后按顺序为每个不同的植物种类名编号，种类名和编号的对应关系以二维数组的形式存储在存储器中；最后把步骤S4提取的特征，附加了其植物种类编号之后，存储在存储器中；

S52)对输入的各类的植物叶片样本，计算出每类的特征值的中心；

S53)采用优先进化迭代逼近的原则，对权值向量进行调整，使得神经网络的损失尽可能小。

6.根据权利要求1所述的植物叶片的图像识别方法，其特征在于，所述面向叶片识别的神经网络分类器包括依次连接的输入层、隐层和输出层；输入层有M个节点，M等于对二值图像所提取特征的数量；隐层有N个节点，N等于植物种类数；输出层是一个排列比较器。