一种重叠叶片图像的分割方法技术

本发明专利技术公开了一种重叠叶片图像的分割方法，包括：从图像采集设备中获取包含作物重叠叶片的彩色图像，对其进行归一化；提取图像的绿色颜色特征，除去非绿色背景；利用Chan‑Vese模型进行目标叶片的轮廓提取；利用Sobel算子进行目标叶片的边缘检测；将轮廓提取结果和边缘检测结果进行融合，实现重叠叶片的准确分割，提取出目标叶片。本发明专利技术能够实现对重叠的作物叶片准确、完整地分割，为后续叶片病害的识别奠定基础，也为农作物叶片分割领域提供新的方法和技术。

Method for segmenting overlapping blade images

The invention discloses a segmentation method, an overlapping leaf image includes: acquiring color images contain overlapping leaves from crop image acquisition equipment, to normalize the green color; image feature extraction, removal of non target leaf green background; using Chan Vese model contour extraction; edge detection of target by leaf Sobel operator; the contour extraction results and edge fusion, to achieve accurate segmentation of overlapped leaf, leaf extract. The invention can realize the accurate and complete segmentation of the overlapped crop leaves, lay the foundation for the identification of the subsequent leaf diseases, and also provide new methods and techniques for the segmentation of the crop leaves.

【技术实现步骤摘要】
一种重叠叶片图像的分割方法
本专利技术涉及数字图像处理
，特别涉及到一种重叠叶片图像的分割方法。
技术介绍
叶片是作物外部形态中反应最为敏感的器官。根据完整的叶片图像可以准确地实现作物种类归属的判断、生长状况的监测、病虫害的识别等。因此，从采集的图像中，准确、无损地分割出完整的作物叶片具有十分重要的意义。在农田环境下，由于作物生长环境复杂、干扰因素众多，且叶片多存在颜色相近、相互重叠的现象，从复杂背景图像中准确自动地分割出具有重叠区域的目标叶片变的异常困难。目前常用的叶片分割方法主要包括：基于阈值的分割方法、基于边缘检测的分割方法、基于聚类的分割方法、基于区域的分割方法、基于形态学的分割方法等。上述方法在对单一叶片进行分割时，往往能取得较好的效果，但是当叶片存在重叠时，则分割效果欠佳，需要多种分割技术集成使用，从而加大了算法的复杂度，且算法的移植性也不理想。因此，仍缺少一种行之有效的针对田间重叠叶片图像的分割方法。研究一种适应于田间重叠叶片图像的分割方法，将有助于提高后续病害识别的精度，对指导作物生产、作物生长状况的研究、病虫害的防治具有十分重要的意义，而且也为农作物叶片分割领域提供新的方法和技术。
技术实现思路
本专利技术提供了一种重叠叶片图像的分割方法，以解决现有技术中难以实现从采集的作物叶片图像中准确、完整地分割出具有重叠区域的目标叶片的问题。为解决上述技术问题，本专利技术采用如下技术方案：一种重叠叶片图像的分割方法，包括以下步骤：S1：从图像采集设备中获取包含作物重叠叶片的彩色图像I1，对所述彩色图像进行归一化处理形成彩色图像I2；S2：提取所述彩色图像I2中的颜色特征，利用颜色特征去除所述彩色图像I2中的非绿色背景区域，形成灰度图像I3；S3：利用Chan-Vese模型对所述灰度图像I3进行轮廓检测，提取出目标叶片的大致轮廓，形成图像Icv；S4：利用Sobel算子对所述灰度图像I3进行边缘检测，提取出目标叶片的精确边缘，形成图像Is；S5：将所述图像Icv和图像Is进行融合，即实现了重叠叶片的准确分割，提取得到目标叶片。优选地，步骤S1中，所述归一化处理采用双线性差值方法。归一化处理后得到L×H的彩色图像I2，其中，L、H分别为归一化后图像的宽度和高度，单位为像素。L和H的数值可根据实际应用情况设定，如原始彩色图像I1大小为4160×3120，放缩后的彩色图像I2大小为416×312。优选地，步骤S2中，通过如下步骤去除所述彩色图像I2中的非绿色背景区域：(2.1)提取所述彩色图像I2的红色、绿色、蓝色三个颜色通道上的子图像Ir,Ig,Ib；(2.2)根据绿色颜色特征，按照公式(1)对图像Ig进行阈值化处理：其中，θ1是绿色与红色之间的阈值，其值范围为(0,20]，θ2是绿色与蓝色之间的阈值，其值范围为(0,20]；(2.3)对Iexcg中面积小于θ3的空洞进行修复，其中θ3的范围为(0，I1面积的10％]。实际应用时，步骤(2.2)中，阈值可根据具体应用设定，如θ1＝10，θ2＝15，也可利用自建的图像样本库中样本图像中绿色颜色值的均值设定。步骤(2.3)中，例如可对面积小于100的空洞进行修复，以消除对后续图像分割结果的影响。优选地，步骤S3中，利用Chan-Vese模型对所述灰度图像I3进行轮廓检测，包括如下步骤：(3.1)以所述灰度图像I3的中心点为初始分割点，并以所述灰度图像I3最大宽度或高度的1/5为初始分割半径；其中，所述中心点指的是图像的(H/2，L/2)处；(3.2)利用Chan-Vese模型对所述灰度图像I3进行轮廓检测；(3.3)计算检测结果中曲线的曲率，当曲率在T次检测结果内稳定时，则退出Chan-Vese模型的检测，否则重新进行步骤(3.2)～(3.3)，其中T的范围为(0，30]；(3.4)对Chan-Vese检测结果中面积小于θ3的空洞进行修复，形成轮廓图像Icv，其中θ3的范围为(0，I1面积的10％]。其中，步骤(3.3)中，所述T的取值可依据具体情况而定，如在10次检测结果内稳定即可退出模型检测。优选地，步骤S4中，利用Sobel算子对所述灰度图像I3进行边缘检测，包括如下步骤：(4.1)利用Sobel算子按公式(2)对灰度图像I3进行边缘检测，其中，Gx和Gy分别是水平和垂直方向上的梯度值；(4.2)利用最大类间方差法对图像gr进行阈值化，形成最大值为1、最小值为0的二值图像；(4.3)利用叶脉提取方法，去除所述二值图像中的叶脉边缘；(4.4)去除步骤(4.3)得到的二值图像中的空洞区域；(4.5)对步骤(4.4)得到的图像为1的区域进行4邻域增强，形成边缘检测结果Is。其中，步骤(4.1)中，当采用多个方向检测模板时，可以采用多个方向梯度加权平均值作为最终的边缘检测结果。步骤(4.4)中，所述空洞区域指的是面积小于一定值的区域，具体数值可依实际情况设定，如对面积小于10的空洞区域进行修复等。优选地，步骤S5中，所述融合包括如下步骤：(5.1)在所述图像Icv上，以所述图像Icv的中心点为初始分割点，计算初始分割点到分割轮廓边缘上的最小距离r；(5.2)在所述图像Is上，以所述图像Is的中心点为初始分割点，并以初始分割点为中心，以r为半径，去掉圆内所有的边缘，形成图像Ism；(5.3)在Ism图像上，其对应结果为1的位置点，则在图像Icv上置0，形成图像Icvm；(5.4)在图像Icvm上，提取图像中最大的轮廓区域所包含的所有像素，形成图像Icvc，并记录最大轮廓上所有边界点的位置boundary；(5.5)在图像Icvc上，根据公式(3)计算Icv图像中的像素点所对应的位置与boundary中的边界点的位置的距离，其中，Icv(x)、Icv(y)分别是像素点Icv(x,y)所对应的坐标值，b(x)、b(y)是边界点boundary(x,y)所对应的位置；当Dis(x,y)＜θ4时，则将该像素添加到图像Icvm上，其中θ4的范围为(0,L/2]，其值可根据具体应用而进行设定，如θ4＝50；(5.6)在图像Icvc上，根据公式(4)计算Is图像中的像素点所对应的位置与boundary中的边界点的位置的距离，其中，Is(x)、Is(y)分别是像素点Is(x,y)所对应的坐标值，b(x)、b(y)是边界点boundary(x,y)所对应的位置；当Dis(x,y)＜θ5时，则将该像素添加到图像Icvm上，其中θ5的范围为(0,L/2]，其值可根据具体应用而进行设定，如θ5＝50；(5.7)在图像Icvm上，去除图像中面积过小的空洞，提取图像中最大的轮廓区域，即为目标叶片区域。其中，上述步骤(5.1)和(5.2)中，所述中心点的含义与前文一致，即指图像的(H/2，L/2)处。其中，L、H分别为图像的宽度和高度，单位为像素。在符合本领域常识的基础上，上述各优选条件，可以相互组合，即得本专利技术各较佳实施例。相对于现有技术，本专利技术的分割方法能够达到如下有益效果：(1)该方法能够克服田间复杂环境的干扰，准确、完整的分割出重叠的叶片区域，实现叶片图像的自动分割；(2)上述分割方法可编写为应用程序应用到手机等移动终端上，实现现场快速、准确分析，适合田间操作，拓宽了该方法的本文档来自技高网...

【技术保护点】
一种重叠叶片图像的分割方法，其特征在于，包括如下步骤：S1：从图像采集设备中获取包含作物重叠叶片的彩色图像I

【技术特征摘要】
1.一种重叠叶片图像的分割方法，其特征在于，包括如下步骤：S1：从图像采集设备中获取包含作物重叠叶片的彩色图像I1，对所述彩色图像进行归一化处理形成彩色图像I2；S2：提取所述彩色图像I2中的颜色特征，利用颜色特征去除所述彩色图像I2中的非绿色背景区域，形成灰度图像I3；S3：利用Chan-Vese模型对所述灰度图像I3进行轮廓检测，提取出目标叶片的大致轮廓，形成图像Icv；S4：利用Sobel算子对所述灰度图像I3进行边缘检测，提取出目标叶片的精确边缘，形成图像Is；S5：将所述图像Icv和图像Is进行融合，即实现了重叠叶片的准确分割，提取得到目标叶片。2.根据权利要求1所述的分割方法，其特征在于：步骤S1中，所述归一化处理采用双线性差值方法。3.根据权利要求1所述的分割方法，其特征在于：步骤S2中，通过如下步骤去除所述彩色图像I2中的非绿色背景区域：(2.1)提取所述彩色图像I2的红色、绿色、蓝色三个颜色通道上的子图像Ir,Ig,Ib；(2.2)根据绿色颜色特征，按照公式(1)对图像Ig进行阈值化处理：其中，θ1是绿色与红色之间的阈值，其值范围为(0,20]，θ2是绿色与蓝色之间的阈值，其值范围为(0,20]；(2.3)对Iexcg中面积小于θ3的空洞进行修复，其中θ3的范围为(0，I1面积的10％]。4.根据权利要求1-3任一项所述的分割方法，其特征在于，步骤S3中，利用Chan-Vese模型进行轮廓检测，包括如下步骤：(3.1)以所述灰度图像I3的中心点为初始分割点，并以所述灰度图像I3最大宽度或高度的1/5为初始分割半径；其中，所述中心点为图像的(L/2，H/2)处，L、H分别为图像的宽度和高度，单位为像素；(3.2)利用Chan-Vese模型对所述灰度图像I3进行轮廓检测；(3.3)计算检测结果中曲线的曲率，当曲率在T次检测结果内稳定时，则退出Chan-Vese模型的检测，否则重新进行步骤(3.2)～(3.3)，其中，T的范围为(0，30]；(3.4)对Chan-Vese检测结果中面积小于θ3的空洞进行修复，形成轮廓图像Icv，其中θ3的范围为(0，I1面积的10％]。5.根据权利要求1-4任一项所述的分割方法，其特征在于，步骤S4中，利用Sobel算子进行边缘检测包括如下步骤：(4.1)利用Sobel...

【专利技术属性】
技术研发人员：王志彬，王开义，刘忠强，潘守慧，韩焱云，杨锋，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：北京,11