[发明专利]一种农作物叶部病害识别方法

权利要求书

1.一种农作物叶部病害识别方法，其特征在于，包括如下步骤：

将采集图像转化为CIELab颜色空间图像，根据设定的邻域尺度，计算每个邻域尺度下采集图像中每个像素点的特征向量与该像素点邻域内像素点的特征向量均值之间的欧式距离作为该像素点的显著度；

将计算得到的每个邻域尺度下各像素点的显著度转化为灰度值，得到每个邻域尺度下的显著图，对得到的每个邻域尺度下的显著图中对应像素点的灰度值求均值，得到最终显著图；

采用K均值聚类法将最终显著图分割为K个区域，将其像素点显著度的平均值大于设定阈值的区域提取为显著区域；

对提取的显著区域进行校正得到病斑图像；

提取病斑图像的颜色、局部纹理特征参数，将得到的颜色、局部纹理特征参数输入神经网络进行病害识别和分类。

2.根据权利要求1所述的农作物叶部病害识别方法，其特征在于，所述将采集图像转化为CIELab颜色空间图像之后，还包括步骤：

将采集图像在CIELab颜色空间进行量化处理，量化方法如下：

L'＝L/L₀

a'＝a/a₀

b'＝b/b₀

其中，(L，a，b)表示采集图像像素点的CIELab参数值，(L'，a'，b')表示量化后的像素点CIELab参数值，L₀、a₀、b₀为量化参数。

3.根据权利要求2所述的农作物叶部病害识别方法，其特征在于，所述量化参数L₀＝6.25，a₀＝15，b₀＝15。

4.根据权利要求1-3任一权利要求所述的农作物叶部病害识别方法，其特征在于，所述设定的邻域尺度为三个，对于宽为W像素，高为H像素 的采集图像，其中W>H，像素点的邻域尺度w变化范围为：

5.根据权利要求1所述的农作物叶部病害识别方法，其特征在于，所述设定阈值为像素点最大显著度的5％～20％。

6.根据权利要求1所述的农作物叶部病害识别方法，其特征在于，所述对提取的显著区域进行校正得到病斑图像，包括步骤：

首先选择提取了显著区域的采集图像的RGB图像中的R分量通过最大类间方差法得到最佳阈值，利用这个阈值对提取了显著区域的采集图像进行二值化，得到包括背景区域和目标区域的二值化图像RW₁；

然后对二值化图像RW₁中目标区域中出现的空洞进行区域填充，并去除面积小的一些目标区域；

将二值化图像RW₁对应的RGB图像转换到CIELab颜色空间里，选择利用a分量根据设定的阈值将图像转换为二值图像RW₂，再将 RW₂转换为RGB彩色图像，得到病斑图像。

7.根据权利要求1所述的农作物叶部病害识别方法，其特征在于，所述提取病斑图像的颜色、局部纹理特征参数，包括步骤：

分别提取病斑图像的R、G、B、H、S、V分量的一阶矩、二阶矩作为颜色特征；

采用局部二值模式LBP算子均匀模式对病斑图像计算LBP值并进行统计得到局部纹理特征。

8.根据权利要求1所述的农作物叶部病害识别方法，其特征在于，所述神经网络为网络结构为65-50-5的Dropout神经网络，dropout的比例为50％。