一种基于叶脉拓扑特征的大豆品种识别方法技术

本发明专利技术提供一种基于叶脉拓扑特征的大豆品种识别方法，涉及大豆育种和计算机视觉技术领域。该方法首先获取高清晰度的大豆叶片图像，并进行增强；然后采用自适应阈值的分割方法对增强后的叶片图像进行二值化，提取叶脉网络；对提取到的叶脉网络进行距离变换，利用持续同调算法对距离变换之后的叶脉网络图像进行分析，提取出大豆叶片的拓扑特征，进而确定大豆叶片的拓扑特征向量；训练卷积神经网络从提取到的拓扑特征中进一步提取特征，并通过分类器实现大豆品种的识别。本发明专利技术提供的大豆品种识别方法，实现了大豆品种的分类，对于噪声、光照等都具有很好的鲁棒性；大大提高了分析的效率和准确率，降低了人力和时间成本。

【技术实现步骤摘要】
一种基于叶脉拓扑特征的大豆品种识别方法
本专利技术涉及大豆育种和计算机视觉
，尤其涉及一种基于叶脉拓扑特征的大豆品种识别方法。
技术介绍
大豆作为动物饲料蛋白和食用油的主要来源，除了作为一种经济作物的用途外，其在改善土壤性质方面也起着至关重要的作用。大豆品种鉴定是大豆育种的基础环节。但是，即使是训练有素的大豆育种家，进行品种识别的准确率仍然很低。并且由于人工识别的方式产生了巨大的人力和时间成本，无法实现大批量、快速的识别，因此，开发一种高通量、准确的大豆品种鉴定方法，对于生物研究、精准农业和环境保护均具有重要意义。与植物的其他器官相比，叶子具有更普遍和持久的特征，从植物分类学的早期就被用于植物鉴定，并且多数植物的叶子在形状和颜色上存在显著差异。基于此，利用植物叶子图像进行植物识别的过程中，最常用的方法就是利用傅里叶级数、几何不变矩、颜色直方图等特征对叶子的形状和颜色进行表示，通过训练分类器或者设计匹配算法，从已知的植物特征数据库中查找和待识别叶片相似度最高的类别，来实现植物的识别。但是基于形状和颜色的方法只能区分在形状和颜色差异比较大的叶子，例如圆形的叶子和长条形的叶子、没有叶裂的叶子和有叶裂的叶子、绿色的叶子和红色的叶子等，还不能对于形状和颜色差异比较小的叶子进行区分，特别是在叶形的颜色上都非常相近的情况。这种区分方式无法区分同一个物种内的不同品种，例如不同品种的大豆。但是对于同一物种内不同品种的区分，对于培育新的品种，针对性的品种改良都是至关重要的一个步骤。对于不同品种的大豆而言，叶片在形状和颜色等方面没有明显差异，通过其形状特征进行品种分类非常困难。针对这种情况，目前常用的方法是增加对叶脉网络特征的提取，例如EAGLE算法。该算法通过边沿检测算法实现叶脉网络的提取，并从中选取五个小的叶脉区域，通过提取这些区域内部的局部叶脉信息和各个区块之间的空间位置信息来表示叶脉特征。这个方法的最大特点是增加了叶脉的信息，提高了对不同植物的区分能力，计算速度快。但是该方法对提取到的叶脉网络的准确性无法保证，因此其对于叶脉网络的区分能力有限，仍然无法用于大豆品种的分类。为更准确的提取叶脉信息，有研究采用扫描图像并提出UHMT算法提取叶脉网络采用叶脉网络的中间区块，定义了52种叶脉表型来进行辅助分类。其主要思路是通过扫描的方式提高图像质量，增加叶脉部分的清晰度，然后通过图像处理中“击中/击不中”算法的思想对叶脉网络进行提取，最终对中间区块的叶脉提取形态学表型特征，并利用这些特征进行分类。这种方法考虑了更细致的叶脉表型特征，并且通过使用扫描图像的方式获取了更清晰的图像保证了叶脉网络的提取效果，在一定程度上提高了分类的准确性，但是这种方法丢失了全局的叶脉信息，仍然不能保证对高度相似的大豆品种进行区分。
技术实现思路
本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种基于叶脉拓扑特征的大豆品种识别方法，实现对大豆品种的区分。为解决上述技术问题，本专利技术所采取的技术方案是：一种基于叶脉拓扑特征的大豆品种识别方法，包括以下步骤：步骤1、采用透射扫描方式获取高清晰度的大豆叶片图像，并对获取的图像进行大豆品种标注，然后使用直方图均衡化方法对大豆叶片图像进行增强；采用具有透射扫描功能的扫描仪对每张大豆叶片采用600dpi及以上的分辨率获取大豆叶片图像；步骤2、采用自适应阈值的分割方法对增强后的叶片图像进行二值化，使叶脉所在像素的灰度值设置为255，背景所在的像素灰度值设置为0，进而从增强后的叶片图像中提取完整的叶脉网络；采用自适应阈值的分割方法，考虑每个像素及窗口内的像素灰度差异，动态调整阈值对增强后的叶脉图像进行二值化，经过增强的叶脉图像中提取完整的叶脉网络；步骤3、对提取到的叶脉网络进行距离变换，从而突出叶脉的网络结构和宽度；对步骤2提取的叶脉网络使用跨平台计算机视觉开源库opencv中的距离变换算法对提取到的叶脉网络图像进行距离变换，分别计算每个叶脉像素到图像背景像素的最小距离，从而反映出叶脉的网络结构和宽度；步骤4、利用持续同调算法对距离变换之后的叶脉网络图像进行分析，提取出大豆叶片的拓扑特征，即两个维度的持久图(PersistenceDiagram)，进而确定大豆叶片的拓扑特征向量；所述确定大豆叶片的拓扑特征向量的具体方法为：按照持久性的大小对获取的两个维度的持久图中的散点分别进行从大到小排序，并分别取前1000个点的持久性值作为大豆叶片的拓扑特征向量；步骤5、训练卷积神经网络从提取到的拓扑特征中进一步提取特征，并通过分类器实现大豆品种的识别；将得到的大豆叶片的拓扑特征向量作为数据集，训练卷积神经网络，从大豆叶片的拓扑特征中进一步提取特征，使用全连接层作为分类器，对大豆品种进行识别；步骤6、对待识别大豆叶片图像，按照上述步骤2至步骤4得到大豆叶片图像的特征向量，然后将其作为步骤5训练后得到的卷积神经网络的输入，完成对大豆品种的识别。采用上述技术方案所产生的有益效果在于：本专利技术提供的一种基于叶脉拓扑特征的大豆品种识别方法，能够根据大豆叶脉网络图像进行不同品种的分类。相对于现有分析技术，本专利技术方法具有以下几个优点：(1)实现了大豆品种的分类，目前其他方法都只能进行物种间的分类，本方法实现了大豆品种间的分类；(2)利用持续同调提取了大豆叶片图像的叶脉网络的全局信息，具有更多信息，更强的区分能力，由于拓扑特征本身的稳定性，本方法对于噪声、光照等都具有很好的鲁棒性；(3)本方法可以扩展到通道具有清晰叶脉结构的其物种或者品种分类中；(4)本方法实现了基于叶片扫描图像的全自动分析，减少人工干预，比目前的人工识别的方式，大大提高了分析的效率和准确率，降低了人力和时间成本。附图说明图1为本专利技术实施例提供的一种基于叶脉拓扑特征的大豆品种识别方法的流程图；图2为本专利技术实施例提供的卷积神经网络的结构示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。大豆(学名：Glycinemax(Linn.)Merr.)通称黄豆。为双子叶植物纲、豆科、大豆属的一年生草本，高30-90厘米。茎粗壮，直立，密被褐色长硬毛。叶通常具3小叶；托叶具脉纹，被黄色柔毛；叶柄长2-20厘米；小叶宽卵形，纸质；总状花序短的少花，长的多花；总花梗通常有5-8朵无柄、紧挤的花；苞片披针形，被糙伏毛；小苞片披针形，被伏贴的刚毛；花萼披针形，花紫色、淡紫色或白色，基部具瓣柄，翼瓣蓖状。荚果肥大，稍弯，下垂，黄绿色，密被褐黄色长毛；种子2-5颗，椭圆形、近球形，种皮光滑，有淡绿、黄、褐和黑色等多样。花期6-7月，果期7-9月。原产中国，中国各地均有栽培，亦广泛栽培于世界各地。大豆是中国重要粮食作物之一，已有五千年栽培历史，古称菽，中国东北为主产区，是一种其种子含有丰富植物蛋白质的作物。本实施例以1本文档来自技高网...

【技术保护点】
1.一种基于叶脉拓扑特征的大豆品种识别方法，其特征在于：包括以下步骤：/n步骤1、获取高清晰度的大豆叶片图像，并对获取的图像进行大豆品种标注，然后对大豆叶片图像进行增强；/n步骤2、采用自适应阈值的分割方法对增强后的叶片图像进行二值化，从增强后的叶片图像中提取完整的叶脉网络；/n步骤3、对提取到的叶脉网络进行距离变换，从而突出叶脉的网络结构和宽度；/n步骤4、利用持续同调算法对距离变换之后的叶脉网络图像进行分析，提取出大豆叶片的拓扑特征，即两个维度的持久图，进而确定大豆叶片的拓扑特征向量；/n步骤5、训练卷积神经网络从提取到的拓扑特征中进一步提取特征，并通过分类器实现大豆品种的识别；/n步骤6、对待识别大豆叶片图像，按照上述步骤2至步骤4得到大豆叶片图像的特征向量，然后将其作为步骤5训练后得到的卷积神经网络的输入，完成对大豆品种的识别。/n

【技术特征摘要】
1.一种基于叶脉拓扑特征的大豆品种识别方法，其特征在于：包括以下步骤：
步骤1、获取高清晰度的大豆叶片图像，并对获取的图像进行大豆品种标注，然后对大豆叶片图像进行增强；
步骤2、采用自适应阈值的分割方法对增强后的叶片图像进行二值化，从增强后的叶片图像中提取完整的叶脉网络；
步骤3、对提取到的叶脉网络进行距离变换，从而突出叶脉的网络结构和宽度；
步骤4、利用持续同调算法对距离变换之后的叶脉网络图像进行分析，提取出大豆叶片的拓扑特征，即两个维度的持久图，进而确定大豆叶片的拓扑特征向量；
步骤5、训练卷积神经网络从提取到的拓扑特征中进一步提取特征，并通过分类器实现大豆品种的识别；
步骤6、对待识别大豆叶片图像，按照上述步骤2至步骤4得到大豆叶片图像的特征向量，然后将其作为步骤5训练后得到的卷积神经网络的输入，完成对大豆品种的识别。


2.根据权利要求1所述的一种基于叶脉拓扑特征的大豆品种识别方法，其特征在于：所述步骤1采用透射扫描方式获取高清晰度的大豆叶片图像，使用直方图均衡化方法对大豆叶片图像进行增强。


3.根据权利要求2所述的一种基于叶脉拓扑特征的大豆品种识别方法，其特征在于：所述步骤1采用具有透射扫描功能的扫描仪对每张大豆叶片采用600dpi及以上的分辨率获取大豆叶片图像。

【专利技术属性】
技术研发人员：袁晓辉，李东野，张衍平，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42