[发明专利]一种植物图像分割及叶片骨架提取方法及系统

权利要求书

1.一种植物图像分割及叶片骨架提取方法，其特征在于,包括如下步骤:

步骤1：构建包括多个子神经网络的混合神经网络模型，所述混合神经网络模型至少包括第一子神经网络N₁、第二子神经网络N₂和第三子神经网络N₃，所述第二子神经网络N₂包括相互级联的第一子结构K₁和第二子结构K₂；

步骤2：采集至少一张植物图像作为训练图像样本,根据所述训练图像样本标注对应植物的类别和叶片骨架，并根据标注后的所述训练图像样本对所述混合神经网络模型进行训练；

步骤3：采集目标植物图像，并将所述目标植物图像输入训练后的所述混合神经网络模型，训练后的所述混合神经网络模型输出植物图像分割结果和植物叶片骨架提取结果；

所述步骤3中，训练后的所述混合神经网络模型根据所述模型参数输出植物图像分割结果和植物叶片骨架提取结果具体包括如下步骤：

步骤31：所述第一子神经网络N₁根据所述目标植物图像提取浅层图像细节特征一和深层图像语义特征一，并根据所述浅层图像细节特征一和深层图像语义特征一输出带有植物细节信息的分割得分图；

步骤32：所述第一子结构K₁根据所述目标植物图像提取深层图像语义特征二，并根据所述深层图像语义特征二输出带有背景干扰抑制的植物分割得分图；所述第二子结构K₂根据所述植物分割得分图输出植物叶片骨架提取结果；

步骤33：所述第三子神经网络N₃将所述带有植物细节信息的分割得分图和带有背景干扰抑制的植物分割得分图进行融合处理，输出所述植物图像分割结果；

所述步骤31具体包括：

步骤311:所述第一子神经网络N₁中的卷积层对所述目标植物图像进行提取处理，得到浅层图像细节特征一；

步骤312：所述第一子神经网络N₁中的池化层和上采样层依次对所述浅层图像细节特征一分别进行降维处理和升维处理，并得到深层图像语义特征一；

步骤313：所述第一子神经网络N₁中的拼接层将所述浅层图像细节特征一和深层图像语义特征一进行拼接，得到带有植物细节信息的分割得分图；

所述步骤32具体包括：

步骤321：所述第一子结构K₁中的卷积层对所述目标植物图像进行提取处理，得到浅层图像细节特征二；

步骤322：所述第一子结构K₁中池化层和上采样层依次对所述浅层图像细节特征二分别进行降维处理和升维处理，并得到深层图像语义特征二；

步骤323：所述第一子结构K₁中反卷积层对所述深层图像语义特征二进行提取处理，得到带有复杂背景干扰抑制的植物分割得分图；

步骤324：所述第二子结构K₂中的卷积层对所述带有复杂背景干扰抑制的植物分割得分图进行提取出处理，得到叶片初步骨架特征；

步骤325：所述第二子结构K₂中的池化层、上采样层和反卷积层依次对所述叶片初步骨架特征分别进行降维处理、升维处理和提取处理，并得到叶片骨架提取结果。