[发明专利]一种青稞网斑病的识别方法

摘要

本发明公开了一种青稞网斑病的识别方法，属于图像处理领域。将预处理之后的图像转换到HSV颜色空间，在HSV色域对图像进行阈值处理，使颜色在浅褐色和深褐色及中间的颜色都设置为深褐色，其余颜色设置为白色，再与原图像合并，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，及支持向量机分类，能很好分类出正常青稞叶片和网斑病青稞叶片的图像，提高了青稞网斑病的识别效率和准确度。

主权项

1.一种青稞网斑病的识别方法，该方法包括：步骤1：获取青稞正常图像样本和青稞网斑病图像样本；步骤2：对步骤1获得的图像在RGB各通道内采用均值滤波进行去噪处理；步骤3：将步骤2得到图像的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：将图像中颜色为浅褐色到深褐色之间的像素点全部置为深褐色；步骤5：将H平均划分为16个等级，S平均划分为8个等级，H分量变化为0到180，S变化范围为0到255；步骤6：对每一幅图像进行如下处理；对每个像素点的H值，根据步骤5划分出的16个等级，统计每个等级的像素点个数及概率，并作出概率直方图；对每个像素点的S值，根据步骤5划分出的8个等级，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7：将步骤6得到的4幅直方图组合为一幅直方图，然后归一化该直方图高度值；步骤8：将青稞样本分为健康、疑似健康、疑似患病、患病4类，对待检测青稞图像进行识别时，首先按照步骤2‑步骤7的方法对待检测图像进行处理，然后计算待检测青稞图像的直方图高度值与所有样本图像直方图高度值之间的欧氏距离，选取欧式距离最下的a个样本图像，然后判断这a个样本图像属于哪一类，则判断待检测青稞的健康状况为该类。