一种樱桃裂果样本的智能移植增强平衡方法技术

本发明专利技术公开了一种樱桃裂果样本的智能移植增强平衡方法，包括：将目标裂果白底图像f(x，y)进行二值化处理，得到前景和背景分离的二值化图像；所述二值化图像采用闭开运算进行形态学处理；通过外接矩形及自动剪裁技术从处理后的图像中获取裂果形状；对裁剪出来的裂果形状和掩膜随机变化大小、平移和旋转；替换黑色的像素点，还原得到所需图片。本申请在数据集多达几千张的情况下，减少了人工抠图粘贴的巨大工作量，可以补充新的少数样本图像信息而不用删除原有的多数样本图像，其基于有限的图像数据样本生成更多等价的数据，丰富训练数据的分布。的分布。的分布。

【技术实现步骤摘要】
一种樱桃裂果样本的智能移植增强平衡方法


[0001]本专利技术涉及农业图像处理
，具体涉及一种樱桃裂果样本的智能移植增强平衡方法。

技术介绍

[0002]机器视觉是一门涉及模式识别、神经生物学、计算机科学、人工智能、图像处理、心理物理学等诸多领域的交叉学科。主要是通过计算机对人类某些视觉方面的智能行为的模拟和再现，再处理并理解从客观事物的图像中提取到的信息，最终达到在实际检测和控制中应用的目的。
[0003]随着计算机图形图像处理及智能技术的发展,机器视觉逐渐渗透到农业生活的方方面面。通过分析机器视觉技术在我国农业生产中的应用实例，可发现主要集中在获取目标物图像信息、图像处理与算法识别、智能视觉定位导航及机器视觉系统集成等方面。
[0004]樱桃每年成熟期遇雨裂果现象严重，裂果的营养价值与未开裂的果实无异，但由于裂口处易侵染病菌，造成果实腐烂，难以运输和储存，使商品率与商品价值降低，樱桃裂果极大地影响了我国樱桃产业的经济效益。因此，为了延长裂果的保质期，提高商品经济价值，研究樱桃裂果问题迫在眉睫。
[0005]大棚中裂果的出现容易受温湿度、土壤养分等各因素的影响，导致其具备很大的随机性。为了便于长期观察而设定的固定设备很难拍摄到足够数量的裂果图片，数据集中的正常果图片远远多于裂果图片，从而造成样本极度不平衡；样本不平衡会使检测模型存在严重的偏向性，准确率低。目前业界普遍采用欠采样法和过采样法来解决此类问题，即去除训练集内一些多数样本和复制少数样本，使得两类数据量级接近，然后再训练模型。但欠采样法放弃了很多反例，导致平衡后的训练集小于初始训练集。而且随机丢弃反例，会损失已经收集的重要信息。过采样法虽然引入了额外的训练数据，但没有给少数类样本增加任何新的信息，非常容易造成过拟合。

技术实现思路

[0006]针对现有技术存在的上述缺陷，本专利技术采用离线增强方式，基于有限的图像数据样本生成更多等价(有效)的数据，丰富训练数据的分布，使通过训练集得到的模型泛化能力更强。
[0007]为实现上述目的，本申请提出一种樱桃裂果样本的智能移植增强平衡方法，包括：
[0008]将目标裂果白底图像f(x，y)进行二值化处理，得到前景和背景分离的二值化图像；
[0009]所述二值化图像采用闭开运算进行形态学处理；
[0010]通过外接矩形及自动剪裁技术从处理后的图像中获取裂果形状；
[0011]对裁剪出来的裂果形状和掩膜随机变化大小、平移和旋转；
[0012]替换黑色的像素点，还原得到所需图片。
[0013]进一步的，将目标裂果白底图像f(x，y)进行二值化处理，得到前景和背景分离的二值化图像，具体为：
[0014]读取缺少样本的JPG白底图像为BGR格式，再将所述BGR格式转化为HSV格式，然后只取出图像的H层；
[0015]对图像的H层进行高斯滤波，消除高斯噪声；
[0016]基于HSV颜色空间，使用色调H层数值作为二值化依据。
[0017]进一步的，基于HSV颜色空间，使用色调H层数值作为二值化依据，具体为：
[0018]设目标裂果白底图像的大小为MXN，该图像中H层数值小于阈值T的像素个数记作N0，H层数值大于阈值T的像素个数记作N1，则有：
[0019](1)ω0＝N0/(M
×
N)
[0020](2)ω1＝N1/(M
×
N)
[0021](3)N0+N1＝M
×
N
[0022](4)ω0+ω1＝1
[0023](5)μ＝ω0*μ0+ω1*μ1[0024](6)g＝ω0*(μ0‑
μ)2+ω1*(μ1‑
μ)2[0025]将式(5)代入式(6)，得到等价公式：
[0026](7)g＝ω0*ω1*(μ0‑
μ1)2[0027]其中，ω0为背景像素点占H层图像的比例，μ0为ω0在H层的平均数值；ω1为前景像素点占H层图像的比例，μ1为ω1在H层的平均数值；μ为H层图像的平均数值，g为类间方差，当g为最大时所对应的T就是H层最佳阈值；
[0028]根据最佳阈值，将0设为低于阈值时赋予的新值，255设为高于阈值时赋予的新值，得到前景和背景分离的二值化图像。
[0029]进一步的，目标裂果白底图像为f(x,y)，自然环境采集图像为g(x,y)，所述g(x,y)是用来处理f(x,y)的，称g(x,y)为结构元素S，设f(x,y)为X；用S来腐蚀X得到的集合是X中包括S的所有原点位置集合，z表示原点位置；用公式表示为：
[0030][0031]膨胀的原理是腐蚀的对偶运算，把结构元素S平移a后得到Sa，若Sa击中X，记下这个a点；所有满足上述条件的a点组成的集合称做X被S膨胀的结果，用公式表示为：
[0032][0033]进一步的，所述二值化图像采用闭开运算进行形态学处理，具体为：
[0034]以二维数组为核，对图像进行闭运算，在数学形态学中，闭运算先膨胀后腐蚀，即：
[0035][0036]闭运算能够填平前景物体内的裂缝，而总的位置和形状不变；
[0037]以二维数组为核，对图像进行开运算，在数学形态学中，开运算先腐蚀后膨胀，即：
[0038][0039]开运算能够除去孤立的点，毛刺和小桥，而总的位置和形状不变。
[0040]更进一步的，通过外接矩形及自动剪裁技术从处理后的图像中获取裂果形状，具体为：
[0041]先将处理后的图像进行灰度值0和255的相互颠倒，利用最小外接矩形算法原理，得到此矩阵左上角点的坐标x、y和矩阵的宽w、高h，根据x，y，w，h这四个数值使用矩阵将裂果裁剪出来，并且在原图像中得到长为w，高为h的掩膜。
[0042]更进一步的，使用0.5到1之间的浮点数u和坐标x、y，对裁剪出来的裂果形状和掩膜随机变化大小、平移和旋转，具体为：
[0043]变化大小公式为：x1＝ux；y1＝uy；
[0044]旋转公式为：x1＝uxcosθ
‑
uy cosθ；y1＝uxsinθ+uy cosθ；
[0045]平移公式为：x1＝x+u；y1＝y+u；
[0046]获取裁剪出来的图像长rows和宽cols，将其分别减去h、w后得到新数值a，b，以此来限定裂果图像在新背景图片中的位置。
[0047]更进一步的，替换黑色的像素点，还原得到所需图片，具体为：
[0048]根据裁剪出来的图像长rows和宽cols进行遍历替换，当掩膜的灰度值为0时，说明此点为黑色的像素点，将该点替换颜色，修改为BGR通道。
[0049]本专利技术采用的以上技术方案，与现有技术相比，具有的优点是：本申请在数据集多达几千张的情况下，减少了人工抠图粘贴的巨大工作量，可以补充新的少数样本图像信息而不用删除原有的多数样本图像，其基于有限的图像数据样本生成更多等价(有效)的数据，丰富训练数据的分布本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种樱桃裂果样本的智能移植增强平衡方法，其特征在于，包括：将目标裂果白底图像f(x，y)进行二值化处理，得到前景和背景分离的二值化图像；所述二值化图像采用闭开运算进行形态学处理；通过外接矩形及自动剪裁技术从处理后的图像中获取裂果形状；对裁剪出来的裂果形状和掩膜随机变化大小、平移和旋转；替换黑色的像素点，还原得到所需图片。2.根据权利要求1所述一种樱桃裂果样本的智能移植增强平衡方法，其特征在于，将目标裂果白底图像f(x，y)进行二值化处理，得到前景和背景分离的二值化图像，具体为：读取缺少样本的JPG白底图像为BGR格式，再将所述BGR格式转化为HSV格式，然后只取出图像的H层；对图像的H层进行高斯滤波，消除高斯噪声；基于HSV颜色空间，使用色调H层数值作为二值化依据。3.根据权利要求2所述一种樱桃裂果样本的智能移植增强平衡方法，其特征在于，基于HSV颜色空间，使用色调H层数值作为二值化依据，具体为：设目标裂果白底图像的大小为MXN，该图像中H层数值小于阈值T的像素个数记作N0，H层数值大于阈值T的像素个数记作N1，则有：(1)ω0＝N0/(M
×
N)(2)ω1＝N1/(M
×
N)(3)N0+N1＝M
×
N(4)ω0+ω1＝1(5)μ＝ω0*μ0+ω1*μ1(6)g＝ω0*(μ0‑
μ)2+ω1*(μ1‑
μ)2将式(5)代入式(6)，得到等价公式：(7)g＝ω0*ω1*(μ0‑
μ1)2其中，ω0为背景像素点占H层图像的比例，μ0为ω0在H层的平均数值；ω1为前景像素点占H层图像的比例，μ1为ω1在H层的平均数值；μ为H层图像的平均数值，g为类间方差，当g为最大时所对应的T就是H层最佳阈值；根据最佳阈值，将0设为低于阈值时赋予的新值，255设为高于阈值时赋予的新值，得到前景和背景分离的二值化图像。4.根据权利要求1所述一种樱桃裂果样本的智能移植增强平衡方法，其特征在于，目标裂果白底图像为f(x,y)，自然环境采集图像为g(x,y)，所述g(x,y)是用来处理f(...

【专利技术属性】
技术研发人员：胡玲艳，谷毛毛，许巍，汪祖民，宋旦旨，邱绍航，孙浩，李俐，
申请(专利权)人：大连大学，
类型：发明
国别省市：