专利汇可以提供一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法专利检索,专利查询,专利分析的服务。并且一种基于 图像处理 和 模式识别 技术的稻瘟病孢子显微 图像识别 方法,本 发明 涉及稻瘟病孢子显微图像识别领域。本发明是要解决大田检测通常根据肉眼观察判别不准确、目前实验对样本数需求巨大、传统 显微镜 孢子计数需要大量时间以及增大对初期灾情的发现难度的问题,而提出的一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法。该方法是通过步骤一成原始图像转灰度图;步骤二将灰度图进行图像增强处理;步骤三得到二值化效果图;步骤四得到去噪效果图;步骤五得到疑似稻瘟病孢子的图形轮廓;步骤六识别出稻瘟病孢子显微图像,最终完成稻瘟病孢子的识别并统计稻瘟病孢子数量等步骤实现的。本发明应用于稻瘟病孢子显微图像领域。,下面是一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法专利的具体信息内容。
1.一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法,其特征在于一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法具体是按照以下步骤进行的:
步骤一、成像系统获取图像即原始图像转灰度图;
步骤二、将灰度图进行图像增强处理,得到的直方图均衡化效果图;
步骤三、将直方图均衡化效果图进行局部自适应阈值分割,得到二值化效果图;
步骤四、将二值化效果图进行形态学变换的去噪处理,得到去噪效果图;
步骤五、将去噪效果图通过Canny边缘检测,得到只含有边缘信息的前景图,将只含边缘信息的前景图进行轮廓提取得到轮廓的个数,并将各轮廓以轮廓树的形式保存起来;按照轮廓树逐一绘制出前景图的各轮廓,即得到疑似稻瘟病孢子的图形轮廓;
步骤六、采集提取出的疑似稻瘟病孢子的图形轮廓特征值,利用图形轮廓特征值对疑似稻瘟病孢子的图形轮廓进行分类统计出稻瘟病孢子的图形轮廓和杂质的图形轮廓;从而识别出稻瘟病孢子显微图像;最终完成稻瘟病孢子的识别并统计稻瘟病孢子数量;其中,采集提取出的疑似稻瘟病孢子的图形轮廓特征值包括形态特征和光密度特征两种;形态特征包括:宽度、高度、面积、周长、偏心率、圆形度和矩形度特征;光密度特征包括综合光密度、平均灰度、光密度方差以及特征灰度;即完成了一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法。
2.根据权利要求1所述一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法,其特征在于:步骤一中成像系统获取图像即原始图像转灰度图的具体过程为:
将三通道R、G和B图像转换为单通道的灰度图;即R、G和B三通道颜色数据转换为灰度数据Gray的换算公式如下:
Gray=(R+G+B)/3 (1)
其中,R为图像中的红色通道,G为图像中的绿色通道,B为图像中的蓝色通道。
3.根据权利要求1所述一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法,其特征在于:步骤二中将灰度图进行图像增强处理具体过程为:
采用空间域的图像增强方法;
(1)设变量r代表灰度图中像素灰度级;灰度图是根据式(1)由RGB空间转换而来的,r的值在下述范围之内:
0≤r≤255
在灰度级中,r=0代表黑,r=255代表白;r为灰度图的像素的强度是一个随机变量;
(2)利用直方图均衡化拉伸灰度图的像素的强度r分布来增强灰度图对比度;
将一幅图像中灰度级rk出现的概率pr(rk)近似为:
其中,n是灰度图中像素的总数,nk是灰度级为rk的像素个数,l为灰度图中灰度级的总数;在直角坐标系中作出rk与pr(rk)的关系图形,这个图形称为直方图;
灰度图的累积分布函数即输出图像灰度级sk为:
通过式(2),将输人灰度图中灰度级为rk的各像素映射到输出图像灰度级为sk的对应像素得到输出图像;得到的直方图均衡化效果图。
4.根据权利要求1所述一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法,其特征在于:步骤三中将直方图均衡化效果图进行局部自适应阈值分割,得到二值化效果图具体过程为:
根据直方图均衡化效果图灰度级像素的邻域块的像素值分布来确定直方图均衡化效果图灰度级像素位置上的二值化阈值。
5.根据权利要求1所述一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法,其特征在于:步骤四中将二值化效果图进行形态学变换的去噪处理,得到去噪效果图的具体过程为:
(1)利用腐蚀方法将二值化效果图上的点与核进行卷积,并把卷积结果放到与二值化效果图上的点坐标相同的新的图像中的点上;从而计算核区域像素的最小值;并得到一个腐蚀后的图像;其中,核是一个3*3像素的中间带有参考点的实心圆盘;
(2)膨胀是腐蚀的反操作,即核与腐蚀后的图像卷积后,计算核覆盖的区域的像素点最大值,并把这个最大值赋值给与腐蚀后的图像上的点坐标相同的新的图像中的点上;则新的图像为去噪后效果图。
6.根据权利要求1所述一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法,其特征在于:步骤五中将去噪效果图通过Canny边缘检测,得到只含有边缘信息的前景图具体过程:
(1)设二维高斯函数G(x,y)
在某一方向n上的一阶方向导数为:其中x,y为去噪效果图横纵坐标,σ为方差;
(2)根据Canny边缘检测算子的定义,中心边缘点为算子Gn:
其中, 是方向矢量, 是梯度矢量与图像f(x,y)的卷积在边缘
梯度方向上的区域中的最大值即为边缘点;θ为方向矢量的方向角;
(3)Canny算法采用双阈值技术,应用边缘提取时,将去噪效果图通过高斯卷积Gn*f(x,y)进行平滑,得到平滑后的图像;
(4)将图像f(x,y)与Gn作卷积,同时改变n的方向,Gn*f(x,y)取得最大值时,求得正交于检测边缘的方向n:
得
因此,对应于极值的方向n有
(5)在方向n上Gn*f(x,y)有最大输出响应|Gn*I|,此时
二维最优阶跃边缘算子是以卷积Gn*f(x,y)为基础的,去噪效果图的边缘强度由决定,而去噪效果图的边缘方向为 确
定去噪效果图的每一个点的梯度方向强度为最大值的点为疑似边缘点;疑似边缘点的梯度数量图像呈现屋脊状;
(6)算子Gn沿着梯度数量图像中屋脊的最大值开始进行边缘跟踪,并将不在屋脊最大值的梯度数量图像像素设为0值,从而输出一条很细的梯度数量图像疑似边缘线,即非最大抑制;其中,边缘追踪的过程采用了滞后策略,由T1和T2两个阈值(T1>T2)控制,从屋脊的最大值大于T1的点开始追踪,随后沿着屋脊的两个方向继续进行追踪,直到屋脊的两个方向中去噪效果图的边缘强度小于T2停止;高阈值T1和低阈值T2是通过对图像直方图的统计确定的具体做法是:
首先去除去噪效果图像素为零的点,然后求取去噪效果图中剩余像素的均值μ和标准差σ,高阈值T1和低阈值T2的选取如下式:
(7)如果疑似边缘线中点的边缘强度大于高阈值T1,那么疑似边缘线中的点一定是边缘点;如果疑似边缘线中点的边缘强度低于低阈值,那么疑似边缘线中的点一定不是边缘点;如果疑似边缘线中点的边缘强度在低阈值和高阈值之间,判断疑似边缘线中的点中
3×3邻域中的疑似边缘线中的点的8个邻接像素点有没有大于高阈值T1的边缘点,如果有大于高阈值T1的边缘点则疑似边缘线中的点为边缘点,所有边缘点得到只含有边缘信息的前景图。
7.根据权利要求1所述一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法,其特征在于:步骤五中将只含边缘信息的前景图进行轮廓提取得到轮廓的个数,并将各轮廓以轮廓树的形式保存起来;按照轮廓树逐一绘制出前景图的各轮廓,即得到疑似稻瘟病孢子的图形轮廓的具体为:
提取边缘信息的前景图的轮廓信息;在OpenCV里提取目标轮廓的函数是
findContours,识别前景图的轮廓;其中findContours的输入图像是一幅二值图像即边缘信息的前景图,findContours输出的是边缘信息的前景图中每一个连通区域的轮廓点的集合;轮廓点的集合包括轮廓个数和各轮廓上点的个数信息,并可根据轮廓点的集合绘制出疑似稻瘟病孢子的图形轮廓。
8.根据权利要求1所述一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法,其特征在于:步骤六中采集提取出的疑似稻瘟病孢子的图形轮廓特征值,利用图形轮廓特征值对疑似稻瘟病孢子的图形轮廓进行分类统计出稻瘟病孢子的图形轮廓和杂质的图形轮廓具体过程为:
1)采集提取出疑似稻瘟病孢子的图形轮廓特征值;
2)利用疑似稻瘟病孢子的图形轮廓特征值创建样本,利用样本训练决策树、贝叶斯、支持向量机和K近邻四种分类器模型;
3)用四个基于特征值的分类器即决策树、贝叶斯、支持向量机和K近邻四种分类器模型对疑似稻瘟病孢子的图形轮廓进行判别,检测出稻瘟病孢子;其中,对疑似稻瘟病孢子的图形轮廓进行判别具体过程为:
(1)当决策树、贝叶斯、支持向量机和K近邻四种分类器中至少有三个分类器对疑似稻瘟病孢子的图形轮廓进行判别的结果一致时,则一致的结果作为判别的结果即检测出稻瘟病孢子;
(2)当决策树、贝叶斯、支持向量机和K近邻四种分类器中对疑似稻瘟病孢子的图形轮廓进行判别结果两两一致时,采用与贝叶斯分类器结果不同的的那一个判别结果即检测出稻瘟病孢子。
识别方法
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种获得物体三维和颜色数据的系统和方法 | 2020-05-11 | 827 |
用于生成校准颜色数据的方法 | 2020-05-11 | 330 |
游程编码方法、游程编码解码系统以及颜色数据存储方法 | 2020-05-11 | 314 |
一种获得物体三维和颜色数据的系统 | 2020-05-11 | 528 |
망색 진단 자동화를 위한 색데이터 처리 시스템 및 방법 | 2020-05-13 | 948 |
컬러 데이터의 압축 방법 | 2020-05-12 | 317 |
COLOR MAP FROM COLOR DATA COLLECTED FROM PLURALITY OF SOURCES | 2020-05-13 | 264 |
SYSTEM AND METHOD FOR MANAGING ELECTRONIC TRANSMISSION OF COLOR DATA | 2020-05-13 | 487 |
칼라정보처리를 이용한 차선이탈경보장치등 및 그 방법 | 2020-05-14 | 132 |
彩色图像的颜色数据管理方法 | 2020-05-11 | 626 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。