[发明专利]一种青稞黑穗病的识别方法

摘要

本发明公开了一种青稞黑穗病的识别方法，属于图像处理领域。包括青稞正常特征图像样本和青稞黑穗病特征图像样本的输入，对图像进行预处理均值滤波，将预处理之后的图像转换到HSV颜色空间，设置H、S划分等级及变化范围，根据设置结果统计图像中H、S分量数据并创建直方图，归一化图像直方图高度，将归一化之后的直方图高度及对应横坐标作为图像特征及标签训练KNN分类器，讲用于测试的图像样本做同样处理输入到KNN分类器，获得预测结果。本发明利用对图像滤波消噪，提取颜色空间特征并归一化，及K最近邻算法分类，能很好分类出正常青稞叶片和黑穗病青稞叶片的图像，提高了青稞黑穗病的识别效率和准确度。

主权项

1.一种青稞黑穗病的识别方法，该方法包括：步骤1：获取健康的青稞正常图像样本和青稞黑穗病图像样本；步骤2：对获得的图像进行均值滤波处理；步骤3：将步骤2获得图像每个像素的颜色空间从RGB转到HSV，计算出各像素点的H值和S值；步骤4：将H通道平均划分为16个等级，S通道平均划分为8个等级，组合为128个等级组合；H分量变化为0到180，S变化范围为0到255；步骤5：对每一幅图像进行如下处理；对每个像素点的H值和S值，根据步骤4划分出的128个等级组合，统计每个等级的像素点个数及概率，并作出概率直方图；统计每个像素H值出现的概率，并作出概率直方图；统计每个像素S值出现的概率，并作出概率直方图；步骤6：归一化各直方图高度值；步骤7：采用步骤6归一化后得到的健康青稞图像和患白粉病的青稞图像的四种直方图高度值作为正样本和负样本，对KNN分类器进行训练；采用训练好的KNN分类器对待检测图像进行检测。