一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统技术方案

本发明专利技术涉及数字图像处理技术领域，尤其涉及一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统。该方法利用不同尺度空间图像信息的差异，选择不同的分割方法，进行综合分析，获得理想的分割结果。在获取实验图像后，对图像进行适当的平滑滤波，针对图像中存在的不同类型的伪边缘，进行分类处理。综合尺度空间中canny边缘检测和OTSU阈值分割在不同尺度中的不同情况和各类伪边缘的不同特点，以形态学处理和逻辑运算等方法，按位运算去除内部和外部伪边缘，提高了边缘检测精确度，降低了叶片识别错误率。

【技术实现步骤摘要】
一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统
本专利技术涉及数字图像处理
，尤其涉及一种基于多尺度分析的温室田间植物叶片边缘提取方法及其系统。
技术介绍
叶片是果树营养物质的制造器官，是产量形成的基础。农业生产中需要获取大量的叶片生长信息。为通过图像获取叶片生长信息，实现果园生产自动监测，需要对田间果树叶片图像进行图像增强与分割算法研究。图像分割是图像分析和图像理解的基础，能够为进一步图像处理提供重要的信息。植物叶片图像分割能够为植物特征提取提供重要依据，如叶片面积计算、叶片病虫害检测和叶片三维重建等，从而可以实时监测植物的生长状况，提前预防病虫害等。有助于科学种植，提高作物产量等。图像分割是根据具体的任务需求，将感兴趣的部分(目标)从图像的其他信息(背景)中分离出来，是图像处理的重要组成部分，也是图像分析和理解的基础，更是一门计算机视觉技术。目标分割是图像分析和图像理解的关键步骤，同时准确完整的植物叶片边缘信息也是基于数字图像处理技术的作物生物量获取的首要前提，例如可以进行生长状况检测，叶绿素含量测定，病虫害预警，以及基于目标特征的叶片三维形态重建恢复，进而实现无本文档来自技高网...

【技术保护点】
一种基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，该方法包括步骤： S1.抓取温室田间植物图像，截取包含单一完整叶片的目标子图像，将所述目标子图像转换为灰度图像，使用wiener滤波去噪； S2.对S1去噪后获得的图像采用四层‘db5’小波分解，并重构第一层图像得到图像f1，重构第三层图像得到图像f2； S3.对步骤S2获得的图像f1使用canny边缘检测得到低尺度边缘图像f3，使用OTSU阈值分割得到低尺度的OTSU阈值分割图像f4，对步骤S2获得的图像f2使用OTSU阈值分割得到高尺度的阈值分割图像f5； S4.第一类伪边缘的处理：对步骤S3得到的低尺度阈值图像f4进行外部伪边...

【技术特征摘要】
1.一种基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，该方法包括步骤：S1.抓取温室田间植物图像，截取包含单一完整叶片的目标子图像，将所述目标子图像转换为灰度图像，使用wiener滤波去噪；S2.对S1去噪后获得的图像采用四层‘db5’小波分解，并重构第一层图像得到图像f1，重构第三层图像得到图像f2；S3.对步骤S2获得的图像f1使用canny边缘检测得到低尺度边缘图像f3，使用OTSU阈值分割得到低尺度的OTSU阈值分割图像f4，对步骤S2获得的图像f2使用OTSU阈值分割得到高尺度的阈值分割图像f5；S4.第一类伪边缘的处理：对步骤S3得到的低尺度阈值图像f4进行外部伪边缘处理，得到用于擦除外部伪边缘的外模板区域图像f6；S5.对步骤S4得到的图像f6运用逻辑非运算后再与步骤S3得到的边缘图像f3逻辑与，获得擦除外部伪边缘的图像f7；S6.对步骤S3获取的高尺度阈值图像f5进行内部轮廓处理，得到用于擦除内部伪边缘的内模板图像f18；S7.对步骤S6得到的内模板图像f18运用逻辑非运算，再与步骤S5得到的图像f7逻辑与运算，获得最终的边缘图像f19。2.如权利要求1所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，S4中所述对步骤S3得到的低尺度阈值图像f4进行外部伪边缘处理，得到用于擦除外部伪边缘的外模板区域图像f6包括：S4.1.以半径为N1个像素的圆形为结构元，用该结构元对图像f4实施形态学腐蚀操作，其中N1为正整数；S4.2.填充经S4.1得到的图像中由于腐蚀操作造成的孔洞；S4.3.选取经S4.2得到的图像中面积最大的连通区域；S4.4.以半径为N2个像素的圆形为结构元，用该结构元对S4.3选取的最大连通区域进行形态学腐蚀操作，其中N2为正整数；S4.5.选取经S4.4得到的图像中面积最大的连通区域；S4.6.以半径为N3个像素的圆形为结构元，用该结构元对S4.5选取的最大连通区域进行形态学膨胀操作，得到用来擦除外部伪边缘的外模板图像f6，其中N3为正整数，且N3大于N2和N1之和。3.如权利要求2所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，N1等于2，N2等于4，N4等于8。4.如权利要求1中所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，所述对步骤S3获取的高尺度阈值图像f5进行内部轮廓处理，得到用于擦除内部伪边缘的内模板图像f18包括：S6.1.对步骤S3获取的高尺度阈值图像f5进行第二类伪边缘处理，得到用以擦除第二类伪边缘的图像f11；S6.2.对图像f5进行第三类伪边缘处理，得到用以擦除第三类伪边缘的图像f16；S6.3.对S6.1得到的图像f11和S6.2得到的图像f16进行处理，得到用于擦除内部伪边缘的图像f18。5.如权利要求4所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，S6.1所述对图像f5进行第二类伪边缘处理，得到擦除第二类伪边缘的图像f11包括：S6.1.1.构造半径为N4的圆形结构元，用该结构元对图像f5实施形态学腐蚀操作，以断开粘连，其中N4为正整数；S6.1.2.填充经S6.1.1得到的图像的孔洞，选取面积最大的连通区域；S6.1.3.构造半径为N5的圆形结构元，用此结构元对经S6.1.2选取的最大面积连通域实行形态学膨胀操作，得到图像f8，其中N5为正整数；S6.1.4.以步骤S6.1.3获得的图像f8为掩膜对步骤S2得到的图像f2进行第二次OTSU阈值分割，得到图像f9；S6.1.5.对阈值图像f9和步骤S5得到的图像f7，用图像f7逻辑异或图像f9，从而用图像f7中的边缘连接图像f9中分离的区域；S6.1.6.填充经S6.1.5得到的图像的内部孔洞，然后选取面积最大的连通区域，将该连通区域作为用以擦除第二类伪边缘的内模板高光区域图像f11。6.如权利要求5所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，N4等于6，N5等于3。7.如权利要求5所述的基于多尺度分析的温室田间植物叶片边缘提取方法，其特征在于，所述对图像f5进行第三类伪边缘处理，得到用以擦除第三类伪边缘的图像f16包括：S6.2.1.将S6.1.3中获取的图像f8除去S6.1.4中所获取的高光部分图像f9之后剩余的区域记为图像f10；S6.2.2.对于图像f10以及步骤S5得到的边缘图像f7，构造水平方向和垂直方向的四个臂部各为N6个像素的线性十字结构元，即构造以要膨胀的那个像素为中心、水平和垂直四个方向延伸N6个单像素的线性十字状结构元；用该结构元对图像f7实行形态学膨胀操作，从而连接低尺度下断开的细碎canny边缘，其中N6为正整数；S6.2.3.对经S6.2.2得到的图像实行形态学细化操作，得到图像f12；S6.2.4.将步骤S6.2.1得到的图像f10进行逻辑非运算，再与图像f12进行逻辑与运算，以获取图像f12在图像f10中的部分边缘子图像，记得到的内部边缘的图像为图像f13；S6.2.5.将图像f13的边缘与图像f10的边缘进行逻辑与运算，从而保留了细化...

【专利技术属性】
技术研发人员：王建仑，韩彧，崔晓莹，赵霜霜，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11