[发明专利]一种温室蔬菜叶部病害图像自动识别方法

权利要求书

1.一种温室蔬菜叶部病害图像自动识别方法，其特征在于，包括如下步骤：

1）对蔬菜叶部病害进行图像采集；

2）自动生成阈值：采用二维最大熵原理，结合图像的平均灰度级别和邻域内灰度级别进行估计，并利用差分进化算法对自动生成的阈值进行优化，取30次以上的独立运行的差分进化算法优化后的结果的平均值作为图像分割用的阈值；

3）利用阈值对已知蔬菜叶部病害图像进行分割，获取病斑区域的图像；

4）分析病斑的特征，获得蔬菜叶部病害图像病斑的颜色、纹理、形状特征参数；

5）对步骤4）获得的病斑特征进行融合，并进行病害种类特征识别。

2.根据权利要求1所述的一种温室蔬菜叶部病害图像自动识别方法，其特征在于，所述的图像采集为完全人工现场采集方式或人工现场采集和远程监控采集相结合的方式。

3.根据权利要求1所述的一种温室蔬菜叶部病害图像自动识别方法，其特征在于，步骤2）所述的自动生成阈值，具体包括：

（1）读入图像数据，利用图像读取函数将采集到的彩色图像文件读入到自定义的变量Img中；

（2）将变量Img转换成灰度图像格式，并把它存放到自定义的变量grayImg中；

（3）设置表示邻域大小的k值，k的取值为3或5或7；

（4）计算变量grayImg的邻域内平均灰度级别g(x,y)，其中(x,y)表示图像中的第x行，第y列位置，所述平均灰度级别g(x,y)的取值为灰度值；

（5）统计grayImg内的灰度级f(x,y)=i的像素的个数，其中i的取值为灰度值，以及统计grayImg的邻域内平均灰度级g(x,y)=j的像素的个数，其中j的取值为灰度值；

（6）利用二维最大熵法计算grayImg中整个二维直方图的联合概率p_ij；

（7）设定差分进化算法交叉率CR，缩放因子F，种群大小NP和差分进化算法终止条件；

（8）利用元组(i,j)生成用于差分进化操作的初始种群，其中i表示像素(x,y)的灰度级，j表示(x,y)邻域平均灰度级；

（9）进行差分进化变异操作；

（10）进行差分进化交叉操作；

（11）计算每一个生成个体的适应度值，并进行差分进化选择操作；

（12）判断是否达到设定的差分进化终止条件，是则进入下一步骤，否则返回步骤（9）；

（13）判断是否运行到设定的独立次数，是则利用求得30次以上的独立差分进化求得阈值的平均值，得到平均阈值Thresh作为输出阈值，否则返回步骤（8）。

4.根据权利要求1所述的一种温室蔬菜叶部病害图像自动识别方法，其特征在于，步骤3）所述的对已知蔬菜叶部病害图像进行分割，具体包括：

（1）将Img进行HSI空间转换，生成H分量、S分量和I分量，利用阈值Thresh对I分量进行分割得到二值图像tmp；

（2）对分割求得的二值图像tmp进行形态学运算得到处理后的二值图像BinImg；

（3）将经形态学运算处理后的二值图像BinImg与Img图像数据进行逻辑“与”运算，得到并输出分割后生成的病斑图像illImg。

5.根据权利要求1所述的一种温室蔬菜叶部病害图像自动识别方法，其特征在于，步骤4）所述的分析病斑的特征包括：

（1）病斑图像颜色特征提取

（a）利用图像分割生成的病斑图像illImg，分解成病斑图像红色分量、蓝色分量和绿色分量；

（b）由红色分量、蓝色分量和绿色分量求出相应的三种颜色分量的一阶、二阶、三阶颜色矩；

（c）对病斑图像进行HSI空间转换，求出病斑图像的H分量、S分量和I分量；

（2）病斑图像纹理特征提取

（a）对病斑图像illImg进行灰度转化，求出与它对应的灰度共生矩阵；

（b）利用灰度共生矩阵生成相对于的病斑图像的相关性、能量、熵、对比度和逆差距五种纹理特征；

（3）病斑图像形状特征提取

求解病斑图像的矩形度、圆形度、形状复杂性的离散指数、病斑面积、病斑周长特征。