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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。