一种野外植物叶片分割方法技术

一种野外植物叶片分割方法，包括以下步骤：基于偏差函数来定义图像中每个粒子的转移概率；以值域为[0,1]的连续函数和作为偏差函数权重的加权和形式；基于连续函数来计算输出的像素属于目标的概率；定义相邻像素边的权重参数；基于权重参数定义图像的拉普拉斯矩阵，同时基于随机游走能量函数和偏差函数的正则项获取能量函数；将图像划分成两个不相交的子集，以分别表示有标记像素集合和未标记像素集合；相应的，将能量参数的参数写成分块的形式，并将能量函数转化成未知变量的函数；对得到的函数进行求导，令导数为0，得到线性方程组；对线性方程组的解x

【技术实现步骤摘要】
一种野外植物叶片分割方法
：本专利技术涉及一种野外植物叶片分割方法。
技术介绍
：树种识别的必要步骤是从叶片图像中分割出完整的目标树叶，为叶片区域特征提取及叶片分类识别打下基础，叶片分割结果的好坏直接影响识别的准确率；对于要分割的植物叶片，面临着叶片类内剧烈变化和复杂背景两方面的挑战；叶片类内主要影响有：由于光照变化的影响，目标叶片的颜色、亮度不均匀、目标叶片生长过程中遇到虫害或者发育不良而导致树叶残缺或者大小不均匀；复杂背景是指目标叶片周围除了叶片本身之外还有茎秆、果实、藤、树枝、树干等干扰物、目标叶片与周围背景过于相似，相邻叶子之间存在重叠粘连、目标叶片部分处于阴影区，部分处于光照区。植物叶片图像分割通常用于确定图像中的叶片区域和边界，以减少背景区域的干扰，这是植物物种识别和植物病害检测与识别中的重要步骤；由于植物叶片有特定的整体形状，包括叶缘、叶形、叶脉，需要分割方法具有较强的细节保持能力，因此直接将一般目标分割方法应用到植物叶片图像上难以取得满意的效果，所以在一些复杂背景下的目标图像分割中常常采用随机游走算法进行运算和处理，易于求解、计算高效以及抗噪声能力强。虽然随机游走算法可以广泛应用在复杂背景下的目标图像分割，但是在精细结构目标分割问题中，由于树叶结构不适合粒子转移，粒子是在二维空间中随机转移，在每个位置都有向各个方向转移的可能，无法做到仅沿着目标的细长部分向一个方向连续转移，导致细长部分无法正确分割；并且在叶片结构上不连通目标都需要逐个提供交互才可以将图像分割出来；粒子在二维平面转移的过程十分复杂，所以通过模拟得到每个粒子的随机游走概率显然是不现实的，操作步骤繁琐、效率低下，从而造成得到的图像会存在精准度不高的问题。
技术实现思路
：本专利技术实施例提供了一种野外植物叶片分割方法，方法设计合理，采用交互式的策略对用户指定像素进行传播，通过带数据引导项的随机游走算法实现植物叶片图像的分割，基于随机游走构成对像素的关系，建立一个超像素一致性约束模型，并结合人机交互技术，可以获取光滑的、精准度较高、鲁棒性强的叶片分割图像，操作步骤简便、提升了工作效率，解决了现有技术中存在的问题。本专利技术为解决上述技术问题所采用的技术方案是：一种野外植物叶片分割方法，包括以下步骤：S1、基于偏差函数δ(xi)来定义图像中每个粒子的转移概率，以使图像边缘光滑；S2、以值域为[0,1]的连续函数h(pi，ι，θ)和1-h(pi，ι，θ)作为偏差函数δ(xi)权重的加权和形式；S3、基于连续函数h(pi，ι，θ)来计算输出的像素属于目标的概率ψ(pi，ι，θ)；S4、定义相邻像素边的权重参数ωij，以提高整个过程的转移概率；S5、基于权重参数ωij定义图像的拉普拉斯矩阵L，同时基于随机游走能量函数ERW(x)和偏差函数的正则项Eg(x)获取能量函数E(x)；S6、将图像Г划分成两个不相交的子集ГL和ГU，以分别表示有标记像素集合和未标记像素集合，即ГL＝F∪B，ГU＝Г\ГL，其中F和B为种子点；相应的，将能量参数E(x)的参数写成分块的形式，并将能量函数E(x)转化成未知变量xu的函数E(xu)；S7、对函数E(xu)进行求导，令导数为0，得到线性方程组AUxU＝λbU-CTxL；S8、证明线性方程组的参数矩阵AU是一个正定矩阵，使线性方程组得到唯一解xU*；S9、对线性方程组的解xU*进行二值化处理，获取图像的分割结果，从而得到光滑的、鲁棒性强的植物叶片分割图像。所述偏差函数δ(xi)＝s(pi，ι，θ)|xi-1|γ+(1-s(pi，ι，θ))|xi-0|γ，其中，γ是一个正参数，s(pi，ι，θ)是一个二值函数，θ是参考模型，所述偏差函数δ(xi)的正则项Eg(x)＝∑ni＝1δ(xi)。所述参考模型θ至少包括颜色直方图、高斯混合模型和深层卷积神经网络。所述概率ψ(pi，ι，θ)与函数h(pi，ι，θ)的对应关系为：h(pi，ι，θ)＝logψ(pi，ι，θ)/(logψ(pi，ι，θ)+log(1-ψ(pi，ι，θ)))。所述权重参数ωij＝exp(-a||pi-pj||22)，其中a是正参数。所述随机游走能量函数为ERW(x)＝1/2xTLx；所述能量函数为E(x)＝ERW(x)+λ/2Eg(x)。基于权重参数ωij定义图像的拉普拉斯矩阵L，同时基于随机游走能量函数ERW(x)和偏差函数的正则项获取能量函数E(x)包括以下步骤：S5.1、将γ的值设定为2，将正则项改写成矩阵形式Eg(x)＝xTx-2xTH1n+1nTH1n其中，H是一个对角矩阵，其第i个对角元素Hii＝ωij，1n是一个长度为n的全1向量；S5.2、获取能量函数的最终形式E(x)＝1/2xTAx-λxTb+Const其中，A＝L+λI，b＝H1n，Const＝λ/2*1nTH1n。将能量参数E(x)的参数写成分块的形式，并将能量函数E(x)转化成未知变量xu的函数E(xu)包括以下步骤：S6.1，将能量函数E(x)的参数写成分块的形式，即S6.2，基于ГL给定的像素标记，粒子转移到目标种子点的概率xL为已知变量；S6.3，能量函数E(x)转换成未知变量xU的函数，即E(xu)＝1/2xUTAUxU+xUTCTxL-λxUTbU+Const。证明线性方程组的参数矩阵AU是一个正定矩阵，使线性方程组得到唯一解包括以下步骤：S8.1，证明矩阵AU是对称矩阵，即AUT＝AU；S8.2，证明对于任何非零向量a∈Rn，都满足aTAua>0，其中n为为标记像素的数目。对线性方程组的解xU*进行二值化处理，获取图像的分割结果，从而获取光滑的、鲁棒性强的植物叶片分割图像包括以下步骤：S9.1、对于未标记像素i，当xu≥0.5时，为其赋予标记fi＝fF；当xu<0.5时，为其赋予标记fi＝fB；S9.2、对于种子点，保持其在交互中赋予的标记，即如果i∈F，则fi＝fF，如果i∈B，则fi＝fB；S9.3，获取最终的叶片图像分割结果f。本专利技术采用上述方法，通过偏差函数来定义图像中每个例子转移的概率，从而使得到的图像边缘光滑；通过定义相邻像素边的权重参数，来提高整个过程的转移概率；通过游走能量函数和偏差函数的正则项相结合获取能量函数，并将能量函数转换成未知变量xu的函数，进行求导得到线性方程组；通过对线性方程组进行求解，再对线性方程组的解进行二值化处理，获取图像的分割结果，从而得到光滑的、鲁棒性强的植物叶片分割图像，具有精准高效、实用简便的优点。附图说明：图1为本专利技术的流程示意图。具体实施方式：为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本专利技术进行详细阐述。如图1中所示，本文档来自技高网...

【技术保护点】
1.一种野外植物叶片分割方法，其特征在于，包括以下步骤：/nS1、基于偏差函数δ(x

【技术特征摘要】
1.一种野外植物叶片分割方法，其特征在于，包括以下步骤：
S1、基于偏差函数δ(xi)来定义图像中每个粒子的转移概率，以使图像边缘光滑；
S2、以值域为[0,1]的连续函数h(pi，ι，θ)和1-h(pi，ι，θ)作为偏差函数δ(xi)权重的加权和形式；
S3、基于连续函数h(pi，ι，θ)来计算输出的像素属于目标的概率ψ(pi，ι，θ)；
S4、定义相邻像素边的权重参数ωij，以提高整个过程的转移概率；
S5、基于权重参数ωij定义图像的拉普拉斯矩阵L，同时基于随机游走能量函数ERW(x)和偏差函数的正则项Eg(x)获取能量函数E(x)；
S6、将图像Г划分成两个不相交的子集ГL和ГU，以分别表示有标记像素集合和未标记像素集合，即ГL＝F∪B，ГU＝Г\ГL，其中F和B为种子点；相应的，将能量参数E(x)的参数写成分块的形式，并将能量函数E(x)转化成未知变量xu的函数E(xu)；
S7、对函数E(xu)进行求导，令导数为0，得到线性方程组AUxU＝λbU-CTxL；
S8、证明线性方程组的参数矩阵AU是一个正定矩阵，使线性方程组得到唯一解xU*；
S9、对线性方程组的解xU*进行二值化处理，获取图像的分割结果，从而得到光滑的、鲁棒性强的植物叶片分割图像。


2.根据权利要求1所述的一种野外植物叶片分割方法，其特征在于：所述偏差函数δ(xi)＝s(pi，ι，θ)|xi-1|γ+(1-s(pi，ι，θ))|xi-0|γ，其中，γ是一个正参数，s(pi，ι，θ)是一个二值函数，θ是参考模型，所述偏差函数δ(xi)的正则项Eg(x)＝∑ni＝1δ(xi)。


3.根据权利要求2所述的一种野外植物叶片分割方法，其特征在于：所述参考模型θ至少包括颜色直方图、高斯混合模型和深层卷积神经网络。


4.根据权利要求1所述的一种野外植物叶片分割方法，其特征在于：所述概率ψ(pi，ι，θ)与函数h(pi，ι，θ)的对应关系为：
h(pi，ι，θ)＝logψ(pi，ι，θ)/(logψ(pi，ι，θ)+log(1-ψ(pi，ι，θ)))。


5.根据权利要求1所述的一种野外植物叶片分割方法，其特征在于：所述权重参数ωij＝exp(-a||pi-pj||22)，其中a是正参数。


6.根据权利要求2所述的一...

【专利技术属性】
技术研发人员：胡静，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：山西;14