[发明专利]一种大豆品种的有效筛选方法

权利要求书

1.一种大豆品种的有效筛选方法，其特征在于，方法步骤如下：

步骤1、获取大豆不同生长期的叶片图像

获取不同大豆品种在生长过程中各个生长期的叶片图像，包括整体的叶片图像和局部高清的叶脉图像，将数码相机安装在固定支架上，保证数码相机的镜头与试验台平行，在镜头的正下方放置一个黑白棋盘格网定标板；通过分光光度计测量并调整拍摄环境光照强度；利用白色比色板对数码相机进行白平衡处理；调整数码相机高度，针对每个大豆品种，选择一定数量的叶片作为样本；将叶片放置在定标板中心，调整数码相机参数，对每片叶片进行分别拍照，以此获取各大豆品种在不同生长期内的叶片图像；

步骤2、对大豆图像进行标准化处理

利用多项式模型实现对定标板的几何校正，根据定标板几何校正模型的多项式参数实现对各大豆品种叶片图像进行统一的几何校正处理，获取每个叶片的整体标准化图像；对每一个几何校正后的图像进行统一裁剪，将裁剪结果作为每个叶片的局部标准化图像；

步骤3、提取大豆叶片的形态特征

对每个已知大豆品种在其开花期、结荚期、鼓粒期和成熟期的四个生长期内获取的标准化叶片图像进行处理，将每个已知大豆品种选取的一定数量样本的标准化图像转化为灰度图，再将灰度图进行二值化处理，标记并提取二值化图像中每个叶片的长轴长、短轴长、长宽比、周长、面积、椭圆度，作为该大豆品种叶片的形态特征参数；

步骤4、提取大豆叶片的颜色特征

对每个已知大豆品种在其开花期、结荚期、鼓粒期和成熟期的四个生长期内获取的标准化叶片图像进行处理，针对每个已知大豆品种选取一定数量样本的标准化图像，提取每个叶片样本图像的红色分量的像元均值、绿色分量的像元均值、蓝色分量的像元均值、红色分量的像元标准差、绿色分量的像元标准差及蓝色分量的像元标准差，作为该大豆品种叶片的颜色特征参数；

步骤5、提取大豆叶片的纹理特征

对每个已知大豆品种在其开花期、结荚期、鼓粒期和成熟期的四个生长期内获取的标准化叶片图像进行处理，针对每个已知大豆品种选取一定数量样本按选区裁剪后的局部标准化彩色图像，将其图像转化为灰度图，再将灰度图进行二值化处理，计算每个局部叶片二值图的灰度共生矩阵，并根据计算结果提取灰度共生矩阵对比度纹理特征量、灰度共生矩阵角二阶矩纹理特征量、灰度共生矩阵相关性纹理特征量及灰度共生矩阵一致性纹理特征量，作为该大豆品种叶片的纹理特征参数；

步骤6、建立大豆品种的筛选方法

通过对不同生长期下的已知大豆品种叶片图像的处理，分别确定每个已知大豆品种在各个生长期下叶片提取的形态特征参数、颜色特征参数及纹理特征参数，根据每个已知大豆品种在各个生长期下叶片特征参数提取结果选取适宜已知大豆品种的最优生长期，根据不同参数类型的重要性，确定该生长期下，已知大豆品种叶片的形态特征、颜色特征及纹理特征的权重系数，同时设置筛选比例阈值，将最优生长期下每个已知大豆品种叶片的所有形态特征参数、颜色特征参数及纹理特征参数进行建库保存，最后，针对每个待筛选的大豆品种，测量并提取该大豆品种叶片的所有形态特征参数、颜色特征参数及纹理特征参数，将其与数据库中所有已知大豆品种进行计算和对比：对数据库中所有已知大豆品种的整体差异计算结果均大于筛选阈值，则将待筛选品种定义为新品种，否则将待筛选品种认定为与小于筛选阈值的所有已知品种中特征参数提取结果的整体差异最小的那一个已知大豆品种。

2.根据权利要求1所述的一种大豆品种的有效筛选方法，其特征在于：步骤3，根据二值化图像提取每个已知大豆品种叶片的形态特征参数，包括已知大豆品种叶片长轴长A1、已知大豆品种叶片短轴长A2、已知大豆品种叶片长宽比A3、已知大豆品种叶片周长A4、已知大豆品种叶片面积A5、已知大豆品种叶片椭圆度A6，对叶片的形态特征参数做归一化处理，即A1+A2+A3+A4+A5+A6＝1。

3.根据权利要求2所述的一种大豆品种的有效筛选方法，其特征在于：步骤4：提取每个已知大豆品种叶片的颜色特征参数，包括已知大豆品种叶片红色分量像元均值B1、已知大豆品种叶片绿色分量像元均值B2、已知大豆品种叶片蓝色分量像元均值B3、已知大豆品种叶片红色分量像元标准差B4、已知大豆品种叶片绿色分量像元标准差B5及已知大豆品种叶片蓝色分量像元标准差B6，对已知大豆品种叶片的颜色特征参数做归一化处理，即B1+B2+B3+B4+B5+B6＝1。