一种青稞云纹病的识别方法技术

本发明专利技术公开了一种青稞云纹病的识别方法，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，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。依据直方图和对应标签，分别计算正样本的聚类中心，和负样本的聚类中心；检测图像是，分别计算检测图像和正负样本聚类中心的距离，将检测图像与距离较近的一类归为一类。本发明专利技术利用对图像滤波消噪，提取颜色空间特征并归一化，能很好分类出正常青稞叶片和云纹病青稞叶片的图像，提高了青稞云纹病的识别效率和准确度。

A Recognition Method of Barley Moire Disease

【技术实现步骤摘要】
一种青稞云纹病的识别方法
本专利技术属于图像处理领域，尤其涉及一种青稞云纹病识别方法。
技术介绍
云纹病是青稞生产的主要病害之一。其爆发严重影响大麦产量。云纹病能够造成大量减产，严重影响青稞品质，青稞感染云纹病后，叶片初期呈现白色透明小斑，小斑继续扩大转变为青灰至淡褐色，病斑较多时合并呈现云纹状，最终整个叶片枯黄致死。云纹病是一种多循环病害。云纹病是青棵的常见病害，分布广泛而严重、云纹病主要危害叶片和叶鞘、也侵染穗部。病株叶片早期枯死，造成减产，严重田块减产45％以上。有人在自然发病条件下分级测定青稞的损失情况，结果随云纹病严重度增高，穗粒数、千粒重、单穗粒重都明显减低，而产量损失率明显增高，严重度为最高一级时产量损失率达67.3％。[症状识别]叶片上和叶鞘上初生卵圆形白色透明的小病斑，病斑扩大后变为梭形、长椭圆形，病斑中部青灰色至淡褐色，边缘宽而色深，呈暗褐色或黑褐色。多个病斑相互汇合。呈云纹状，病叶变黄枯死。在高湿条件下，病斑上形成灰黑色霉状物，为病原菌的分生孢子梗和分生孢子。目前，青稞云纹病处于靠有经验种植者肉眼判断阶段，经验不足则可能判断失误，导致治疗方法有误，耽误青稞病情，影响产量。该方法可以智能诊断出青稞云纹病，并有很好的准确性。
技术实现思路
针对现有欠缺的诊断青稞云纹病的技术问题，本专利技术提供一种青稞云纹病识别方法。该方法能减少青稞云纹病对人为诊断经验的依赖，能增强特征表现型，提高分类准确性。本专利技术包含图像预处理，提取颜色特征并对其特征进行处理，训练阶段和测试阶段。能对图像及特征做很好的处理，能准确预测出青稞云纹病。因而本专利技术技术方案为一种青稞云纹病的识别方法，该方法包括：步骤1：获取青稞正常图像样本和青稞云纹病图像样本，并将图像转换为mat格式；步骤2：对步骤1获得图像采用双边滤波方法进行去噪处理；双边滤波器的模板为：ω(i,j,k,l)＝dis(i,j,k,l)*val(i,j,k,l)；其中：距离模板(k,l)为模板窗口的中心坐标，(i,j)为模板窗口的其它系数的坐标，σd为高斯函数的标准差；值域模板系数生成公式：f(x,y)表示要处理的图像，f(x,y)表示在点(x,y)处的像素值，(k,l)为模板窗口的中心坐标，(i,j)为模板窗口的其它系数的坐标，σr为高斯函数的标准差；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5：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4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A；对每个像素点的S值，根据步骤4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B；统计每个像素H值出现的概率，并作出概率直方图C；统计每个像素S值出现的概率，并作出概率直方图D；步骤6：归一化各直方图高度值；步骤7：图像识别；步骤7-1：将青稞正常图像样本的归一化后直方图高度值按不同的等级划分方式聚为4类，并计算这4类的聚类中心分别为：A1,B1,C1,D1；步骤7-2：将青稞云纹病图像样本的归一化后直方图高度值不同的等级划分方式聚为4类，并计算这4类的聚类中心分别为：A2,B2,C2,D2；步骤7-3：判断待检测的青稞图像时，首先采用步骤2到步骤6的方法处理待检测青稞图像，得到a,b,c,d四类归一化后的直方图高度值；步骤7-4：分别计算a,b,c,d与A1,B1,C1,D1的距离，将得到的4个距离加权相加，得到距离P；步骤7-5：分别计算a,b,c,d与A2,B2,C2,D2的距离，将得到的4个距离加权相加，得到距离Q；步骤7-6：判断距离P和距离Q的大小，较小者对应的那一类为待识别图像的分类。进一步的，所述步骤3中H、S的计算方法为：r＝R/255g＝G/255b＝B/255其中：R、G、B为像素点对应在RGB色域内各通道的值；Amax＝max(r,g,b)Amin＝(r,g,b)Δ＝Amax-Amin进一步的，所述步骤6中归一化的具体方法为Data＝[Data1,Data2,...Datak]，其中Datai为提取的直方图高度；计算为所有值之和x＝[Data1/count,Data2/count,...,Datak/count],x为归一化之后特征，Datai/count为归一化后每一个纵坐标值。进一步的，所述步骤7-4中分别计算a,b,c,d与A1,B1,C1,D1的距离按照加权系数为1,1,3,2进行加权相加。本专利技术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。依据直方图和对应标签，分别计算正样本的聚类中心，和负样本的聚类中心；检测图像是，分别计算检测图像和正负样本聚类中心的距离，将检测图像与距离较近的一类归为一类。本专利技术利用对图像滤波消噪，提取颜色空间特征并归一化，能很好分类出正常青稞叶片和云纹病青稞叶片的图像，提高了青稞云纹病的识别效率和准确度。附图说明图1为本专利技术一种青稞云纹病的识别方法的流程图。具体实施方式一种青稞云纹病的识别方法，该方法包括：步骤1：获取青稞正常图像样本和青稞云纹病图像样本，并将图像转换为mat格式；步骤2：对步骤1获得图像采用双边滤波方法进行去噪处理；双边滤波器的模板为：ω(i,j,k,l)＝dis(i,j,k,l)*val(i,j,k,l)；其中：距离模板(k,l)为模板窗口的中心坐标，(i,j)为模板窗口的其它系数的坐标，σd为高斯函数的标准差；值域模板系数生成公式：f(x,y)表示要处理的图像，f(x,y)表示在点(x,y)处的像素值，(k,l)为模板窗口的中心坐标，(i,j)为模板窗口的其它系数的坐标，σr为高斯函数的标准差；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；所述步骤3中H、S的计算方法为：r＝R/255g＝G/255b＝B/255其中：R、G、B为像素点对应在RGB色域内各通道的值；Amax＝max(r,g,b)Amin＝(r,g,b)Δ＝Amax-Amin步骤4：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5：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4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A；对每个像素点的S值，根据步骤4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B；统计每个像素H值出现的概率，并作出概率直方图C；统计每个像素S值出现的概率，并作出概率直方图D；步骤6：归一化各直方图高度值；所述步骤6中归一化的具体方法为Data＝[Data1,Data2,...Datak]，其中Datai为提取的直方图高度；计算为所有值之和x＝[Data1/count,Data2/count,...,Datak/count],x为归一化之后特征，Datai/count为归一化后每一个纵坐标值。步骤7：图像识别；步骤7-1：将青稞正常图像样本的归一化后直本文档来自技高网...

【技术保护点】
1.一种青稞云纹病的识别方法，该方法包括：步骤1：获取青稞正常图像样本和青稞云纹病图像样本，并将图像转换为mat格式；步骤2：对步骤1获得图像采用双边滤波方法进行去噪处理；双边滤波器的模板为：ω(i,j,k,l)＝dis(i,j,k,l)*val(i,j,k,l)；其中：距离模板

【技术特征摘要】
1.一种青稞云纹病的识别方法，该方法包括：步骤1：获取青稞正常图像样本和青稞云纹病图像样本，并将图像转换为mat格式；步骤2：对步骤1获得图像采用双边滤波方法进行去噪处理；双边滤波器的模板为：ω(i,j,k,l)＝dis(i,j,k,l)*val(i,j,k,l)；其中：距离模板(k,l)为模板窗口的中心坐标，(i,j)为模板窗口的其它系数的坐标，σd为高斯函数的标准差；值域模板系数生成公式：f(x,y)表示要处理的图像，f(x,y)表示在点(x,y)处的像素值，(k,l)为模板窗口的中心坐标，(i,j)为模板窗口的其它系数的坐标，σr为高斯函数的标准差；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5：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4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A；对每个像素点的S值，根据步骤4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B；统计每个像素H值出现的概率，并作出概率直方图C；统计每个像素S值出现的概率，并作出概率直方图D；步骤6：归一化各直方图高度值；步骤7：图像识别；步骤7-1：将青稞正常图像样本的归一化后直方图高度值按不同的等级划分方式聚为4类，并计算这4类的聚类中心分别为：A1,B1,C1,D1；步骤7-2：将青稞云纹病图像样本的归一...

【专利技术属性】
技术研发人员：唐樟春，金涛，薛琦，刘杰，夏艳君，刘亚鹏，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51