基于优化分割的植物叶片病虫害程度检测方法技术

本发明专利技术涉及图像处理技术领域，提出了基于优化分割的植物叶片病虫害程度检测方法，包括：获取植物叶片图像的灰度图以及每个超像素块的模糊度，得到清晰超像素块以及模糊超像素块；获取灰度图的第一连通域，获取第二连通域以及第三连通域；获得所有第二连通域边缘线梯度方向上的第一灰度变化速率，得到所有第三连通域上每个边缘点的第二灰度变化速率；根据每个第二变化速率与第一变化速率计算矫正参数，对所有第三连通域的边缘像素点进行矫正；获取拉伸对比系数，使用拉伸对比系数对模糊区域进行拉伸，对拉伸后的图像进行检测，并进行药物防治。本发明专利技术使得模糊区域的边界和非边界叶片区域像素点的对比度增大，更有利于对植物病虫害的检测。害的检测。害的检测。

【技术实现步骤摘要】
基于优化分割的植物叶片病虫害程度检测方法


[0001]本专利技术涉及图像处理
，具体涉及基于优化分割的植物叶片病虫害程度检测方法。

技术介绍

[0002]在植物生长过程中，由于生物或是非生物对植物产生的影响，使得植物在生长过程中发生一些列形态上的病理变化，阻碍了植物在正常生长发育过程中的进程。植物的结构组织遭到破坏，常常使得植物生长缓慢，致使国家经济和人民生活遭受到严重损失，病虫害常常的表现形式为，在原有正常植物叶片上出现大面积的异于正常植物区域的虫洞和斑点，严重影响人民经济收益。在进行病虫害检测时需要先采集相应的图像，拍摄过程中因为自动焦距的问题会不可避免的对进远景产生不同程度的模糊问题，对一张图像中的进远景采用相同程度的去模糊，总会使得近景或是远景仍然存在相应的模糊问题。
[0003]在对植物病虫害进行数据图像采集后，现有技术对模糊图片的处理是对整张图片进行增强，常使用线性增强或是直方图均衡化进行增强。线性增强在对图像进行增强是，计算的整体拉伸系数可能并不适用于图像中所有的区域，对某区域的增强系数可能对其他区域增强并不合适；直本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于优化分割的植物叶片病虫害程度检测方法，其特征在于，该方法包括以下步骤：获取植物叶片图像，得到植物叶片图像的灰度图；获取灰度图的多个超像素块，根据每个超像素块的灰度级比例计算每个超像素块的模糊度，对所有超像素块的模糊度进行聚类获得清晰的超像素块集合以及模糊的超像素块集合；对植物叶片图像的灰度图进行连通域分析，得到多个第一连通域，将所有清晰超像素块和第一连通域拼接获得第二连通域，将所有模糊超像素块与第一连通域拼接获得第三连通域；对图像进行边缘检测，可以得到最外侧闭合边缘线、每个连通域内的闭合边缘线、每个连通域内部非闭合边缘线，根据所有的第二连通域最外侧边缘线中每个边缘点的梯度方向上的变化特征得到所有第二连通域边缘线梯度方向上的第一灰度变化速率，根据第三连通域最外侧边缘线上边缘点梯度方向相邻的两个像素点的灰度差得到所有第三连通域上每个边缘点的第二灰度变化速率；根据每个第二灰度变化速率与第一灰度变化速率计算矫正参数，利用矫正参数对所有第三连通域的边缘像素点进行矫正，矫正完成后的所有第三连通域包含的像素点就是模糊区域，剩余部分是清晰区域；根据清晰区域的内部的非闭合边缘线上的边缘点计算表征模糊区域内部的拉伸对比系数，使用拉伸对比系数对模糊区域进行拉伸，对拉伸后的图像进行检测，并进行药物防治。2.根据权利要求1所述的基于优化分割的植物叶片病虫害程度检测方法，其特征在于，所述根据每个超像素块的灰度级比例计算每个超像素块的模糊度的方法为：所述根据每个超像素块的灰度级比例计算每个超像素块的模糊度的方法为：式中，N
a,b
表示第a个超像素块内灰度值为b的像素点的个数，N
a
表示第a个超像素块内的像素点的总个数，P
a
(b)在第a个超像素块内灰度值为b的像素点数量占总像素点数量的比例，M
a
表示第a块超像素块的模糊度。3.根据权利要求1所述的基于优化分割的植物叶片病虫害程度检测方法，其特征在于，所述将所有清晰超像素块和第一连通域拼接获得第二连通域，将所有模糊超像素块与第一连通域拼接获得第三连通域的方法为：将清晰超像素块单独得到其位置和面积，与每个第一连通域进行比较，若清晰超像素块的面积有90％在某个第一连通域内，则将该超像素块划分到所述第一连通域内，并将连通域边缘线更新为超出连通域范围外的超像素块的边缘线，此时更新边缘线后的第一连通域作为第二连通域；模糊超像素块与剩余的第一连通域进行结合，当某个第一连通域内存在模糊超像素块时，该第一连通域作为第三连通域。4.根据权利要求1所述的基于优化分割的植物叶片病虫害程度检测方...

【专利技术属性】
技术研发人员：梁欣玥，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：