[发明专利]一种增强图像中植物色彩的方法和系统在审

专利信息
申请号: 202011202232.7 申请日: 2020-11-02
公开(公告)号: CN112307983A 公开(公告)日: 2021-02-02
发明(设计)人: 李卫星 申请(专利权)人: 深圳市中诺通讯有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06T5/00;G06T7/90
代理公司: 中山市科企联知识产权代理事务所(普通合伙) 44337 代理人: 杨立铭;杨茵
地址: 518110 广东省深圳市龙华*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 增强 图像 植物 色彩 方法 系统
【权利要求书】:

1.一种增强图像中植物色彩的方法,其特征在于,所述方法包括:

获取待增强色彩的原始图像,利用SSD模型对原始图像中的植物进行检测与种类识别;

根据原始图像中检测到的植物区域中RGB三通道中的G/R、G/B的值,进一步判断该植物的颜色;以及,判断该植物是否为该原始图像的主体;

若该植物是原始图像的主体;

根据该植物的颜色特征,对原始图像中的植物进行差异化色彩增强。

2.根据权利要求1所述的方法,其特征在于,在利用SSD模型对原始图像中的植物进行检测与种类识别之前还包括对SSD模型进行训练,其训练方法包括:

搜集若干张含有植物的样本图像,按植物的叶子形状进行分类;

将样本图像输入SSD模型,设置不同尺寸的先验框,匹配不同外形的植物类别,生成对应的特征映射图;

特征映射图经过预测卷积层转换得到用于区分植物类别的预测框和对应的类别置信度;

通过类别损失函数和分类损失函数更新SSD模型参数,得到最优的SSD模型。

3.根据权利要求2所述的方法,其特征在于,对原始图像中的植物进行检测与种类识别包括

将原始图像输入到训练好的SSD模型中,通过类别置信度对边界框进行降序排列,若置信度高于预设值,则计算边界框与先验框的交并比;

利用非极大值抑制方法得到每种分类的最优预测框和所属的类别,输出识别结果。

4.根据权利要求1所述的方法,其特征在于,所述判断该植物的颜色包括通过SSD模型获取该植物叶子的边缘,描绘出该植物的边界区域,统计该边界区域内植物像素点的G/Rave和G/Bave,判断该植物的真实颜色。

5.根据权利要求1所述的方法,其特征在于,所述判断该植物是否为该原始图像的主体是根据该植物在原始图像中的位置或/和植物在原始图像中的像素占比来判断的。

6.根据权利要求5所述的方法,其特征在于,以该植物在原始图像中的位置来判断该植物是否为原始图像的主体包括:

设定原始图像中的某一点为图像中心坐标C(x,y),以及,设定植物区域的某一点为植物中心坐标G(x1,y1),原始图像的长宽分别为W、H,植物的心点与图像的中心点的距离为

若满足如下条件,则,判断该植物为原始图像的主体;

7.根据权利要求5所述的方法,其特征在于,以植物在原始图像中的像素占比来判断该植物是否为原始图像的主体包括:

计算原始图像的像素点的数量n,和计算植物区域在原始图像中的像素点的数量n1

若n1≥0.4*n,则判断该植物为原始图像的主体。

8.根据权利要求1所述的方法,其特征在于,所述根据该植物的颜色特征,对原始图像中的植物进行差异化色彩增强包括:

获取植物在原始图像中输入像素值(Rin,Gin,Bin),进行差异化色彩增强后的输出值为(Rout,Gout,Bout),则增强色彩的过程为:

Rout=k1*Rin+b1

Gout=k2*Gin+b2

Bout=k3*Bin+b3

其中,k1,k2,k3代表RGB三通道的强度系数,b1,b2,b3代表RGB三通道的偏移量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市中诺通讯有限公司,未经深圳市中诺通讯有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011202232.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top