[发明专利]作物叶部病害图像交互式诊断系统与方法

权利要求书

1.一种作物叶部病害图像交互式诊断系统的诊断方法，其特征在于：包括以下步骤：

(1)收集作物叶部病害图像建立数据库；

(2)通过手机摄像头对作物病害处进行拍照；

(3)对手机拍摄的图像进行标准化压缩并去除图像中的噪声，包括以下步骤：

(3.1)采用LZW编码方式对图像进行压缩至640×480像素大小；

(3.2)然后对其进行去噪处理，针对当前手机CMOS传感器拍照容易造成的高斯和椒盐噪声，采用高斯滤波器对图像进行滤波；

(4)对预处理后的图像进行病斑提取，包括以下步骤：

(4.1)对图片采用一种新的阈值化方法对原始病害图像的红色分量进行二值化处理：计算红色分量图像的灰度均值，记为tgray；统计红色分量图像灰度大于tgray的像素，计算灰度均值，记为tgrayhigh，即为初始分割的阈值；对原始红色分量图像进行阈值分割，得到两部分：其中灰度值小于tgrayhigh的像素的灰度设为0，归为初始背景类；其他像素的灰度值不变，归为混合类；

(4.2)融合纹理、灰度、距离三个特征构建能量函数的边界项，描述像素间的相似性：

通过构建边界平滑项，其中，t_p,q为纹理特征；r_p,q为灰度特征；d_p,q为距离特征；为了将不同量纲、不同数量级大小的三个特征进行融合，对每一项均采用最大最小值法进行归一化处理，即：

其中，t_p、r_p分别为纹理图像中像素的纹理值和红色分量图像像素的灰度值，为像素p、q间的欧式距离，x_p、y_p分别为像素p在图像坐标系上的横纵坐标；

(4.3)利用分割区域像素与区域边界像素的红色分量差值自动建立能量函数的区域项，反映像素归属于背景和目标的程度：分别计算分割区域像素灰度值与区域边界像素灰度值tgrayhigh和255的绝对差值，自动建立能量函数的区域项：

(4.4)根据能量函数构建网络图，运用最大流算法求解能量函数得到分割结果；

(5)对病斑进行颜色、形状和纹理特征提取和优化；

(6)把提取的特征以数据流的形式通过GPRS、3G、4G、WiFi、WiFi Direct或蓝牙发送到云端；

(7)在云端调用病害诊断模型进行病害的分类识别；

(8)把病害诊断结果和防治方法通过GPRS、3G、4G、WiFi、WiFi Direct或蓝牙反馈到手机中。

2.根据权利要求1所述的作物叶部病害图像交互式诊断系统的诊断方法，其特征在于：所述步骤(5)的具体步骤为：

(5.1)颜色特征提取，采用基于结合颜色直方图和颜色矩的特征统计方法来比较RGB和HIS两个颜色空间模型，选择B和H通道下的颜色矩共计6个颜色特征作为识别病斑的特征向量；

(5.2)纹理特征提取，将彩色图像进行二值化处理，转化为灰度图像，将灰度直方图从256级降到16级，求出四个方向上的灰度共生矩阵，构造灰度共生矩阵特征中的能量均值、能量标准差、熵均值、熵标准差、对比度均值和对比度标准差，共6个纹理特征参数；

(5.3)形状特征提取，采用链码法构造区域描述特征形状，包括圆度、矩形度、离心率、球状比、紧密度、伸长度、形状参数；

(5.4)颜色、形状和纹理特征的优化，采用兼顾时间和速度的主成分分析法来优化上述颜色、形状和纹理特征，选择出累计贡献率高的、能代表原始特征数据的主分量作为分类识别的输入量，即最终的核心特征。