[发明专利]基于联合稀疏表示的病害识别方法、系统及存储介质

说明书

本发明公开了基于联合稀疏表示的病害识别方法、系统及存储介质，方法包括：对增强处理后的病害叶片图像进行区域分割处理，得到病害区域图像；对病害区域图像进行特征提取，得到病害特征向量；基于联合稀疏模型，根据采集的病害数据集、所述病害区域图像的种类以及所述病害特征向量，计算病害特征向量对应的系数矩阵；根据病害特征向量对应的系数矩阵，计算病害区域图像对应的病害类别。本发明的实施例通过联合稀疏模型来计算病害特征向量对应的系数矩阵，并根据病害特征向量对应的系数矩阵，计算病害区域图像对应的病害类别，相较于现有人工识别农作物病害的方式，本发明提高了病害识别的准确率，可广泛应用于图像处理技术领域。

技术领域

本发明涉及图像处理技术领域，尤其是基于联合稀疏表示的病害识别方法、系统及存储介质。

背景技术

农作物病害一直被认为是降低农作物产量和质量的首要威胁之一。据报道，全球种植业每年因为作物病害导致的减产至少在10％以上。由此可见，农作物病害的及时发现对农产品的增产保质极为重要，然而，农作物病害的识别目前仍以人工判断为主，这一方式效率低下且主观性强。在中国，由于缺乏专业技术人员，农民通常根据以往经验自行对病害的种类及程度进行判断和评估，错误的诊断和由此导致的农药滥用都极为常见。因此，一种能够及时、准确且低成本的农作物病害识别方法被迫切需要。

发明内容

有鉴于此，本发明实施例提供一种基于联合稀疏表示的病害识别方法、系统及存储介质，以提高病害识别的准确率。

一方面，本发明实施例提供了一种基于联合稀疏表示的病害识别方法，包括以下步骤：

对增强处理后的病害叶片图像进行区域分割处理，得到病害区域图像；

对病害区域图像进行特征提取，得到病害特征向量；

基于联合稀疏模型，根据采集的病害数据集、所述病害区域图像的种类以及所述病害特征向量，计算病害特征向量对应的系数矩阵；

根据病害特征向量对应的系数矩阵，计算病害区域图像对应的病害类别。

进一步，所述对增强处理后的病害叶片图像进行区域分割处理，得到病害区域图像这一步骤，包括以下步骤：

采集病害叶片图像；

对采集到的病害叶片图像进行增强处理，所述增强处理包括高斯低通滤波和直方图均衡化操作；

基于K均值聚类算法，对增强处理后的病害叶片图像进行区域分割处理，得到病害叶片图像的健康区域、病害区域和过渡区域。

进一步，所述基于K均值聚类算法，对增强处理后的病害叶片图像进行区域分割处理，得到病害叶片图像的健康区域、病害区域和过渡区域这一步骤，包括以下步骤：

将病害区域图像中的所有像素点分成K类；

根据叶片的颜色信息和纹理信息，从K类像素点中确定出健康区域的像素点；

根据确定的健康区域，从K类像素点中确定病害区域的像素点，然后得到病害区域图像。

进一步，所述对病害区域图像进行特征提取，得到病害特征向量这一步骤，包括以下步骤：

从病害区域图像中提取颜色特征、形状特征和纹理特征；

对颜色特征、形状特征和纹理特征进行归一化处理，得到病害特征向量。

进一步，所述基于联合稀疏模型，根据采集的病害数据集、所述病害区域图像的种类以及所述病害特征向量，计算病害特征向量对应的系数矩阵这一步骤，包括以下步骤：

根据病害特征向量，构建联合稀疏模型；

根据联合稀疏模型，构造成本函数；