[发明专利]保持叶片主体图像无损的叶柄切除方法

说明书

技术领域

本发明涉及一种保持叶片主体图像无损的叶柄切除方法。

背景技术

叶片图像的机器识别是一种快速有效的植物分类方法。然而，叶片中多余叶柄的存在严重影响了识别的准确率，也妨碍了叶片在枝识别。当前，关于此问题的研究罕见报道，具代表性的仅有Xiao-Feng Wang等人提出运用开运算去消除叶柄。但实验分析表明，该方法由于结构元素大小难以确定而不可行。

总的来说，植物叶片识别大致分为以下几个环节：

(1)预处理，即把叶片与背景分割。叶柄切除是属于该环节的一个步骤。

(2)特征提取，即提取叶片数值特征，以便分类器学习并分类。常用的特征有：叶片长宽比、矩形度(即叶片面积与其最小包围盒面积的比值)、周长平方与面积比等特征。

(3)分类器分类。常用的分类器有PNN、BP、RBF、SVM以及超球分类器等。

作为预处理的一个步骤，叶柄切除算法的研究与实现具有以下的重要意义：

(1)支持植物叶片在枝识别。倘若实现了叶柄切除算法，就不用把叶片从植物枝干上摘下，只需拍摄在枝叶片图像，然后运行该算法，把叶片图像从植株上分离出来，以便后续的识别。支持植物叶片在枝识别既保护了珍稀的植物资源；又使得在一些不宜摘除叶片的场合，比如公园、植物园或私人场所等环境，也能采集植物叶片图像信息并进行识别；还显著提高了叶片图片采集的便捷性。

(2)大大优化了矩形度、周长平方与面积比等特征，有利于提高识别准确率。对于已摘除的叶片，无需再对叶片和植株作图像分离。但是，由于在叶片摘除的过程中，叶柄大都受到损伤而部分残留。而残留在叶片图像中的长短各不相同，具有一定的随机性。由于残留叶柄的长短直接影响矩形度、周长平方与面积比等特征的值，所以这种随机性就成了噪声干扰，破坏了上述识别特征的可靠性，进而影响识别率。研究并实现叶柄切除算法就能把叶柄残留部分切除，消除这种干扰，提高识别率。

然而，现有的植物叶片识别的研究往往忽略多余叶柄的存在，仅有少数学者对叶柄的切除进行了探讨。2005年，Xiao-Feng Wang等人提出采用数学形态学开运算的方法对植物叶柄进行消除。然而，经过我们的实验证明，该方法并不能解决叶柄的切除问题。其结构元素的大小难以确定成为了该算法应用的最大障碍。采用小的结构元素时，一些粗的叶柄无法消除；采用大的结构元素时，一些小的叶片受到的损伤过度；结构元素大小的取定这一关键问题，原文作者不做任何论述。2009年，王晓洁等人也基于数学形态学的方法，用长宽相等的十字形结构元素对叶柄进行切除；然而，该十字形结构的大小需要用户对不同的叶片进行手工设置。换句话说，对于每一片叶片，用户都需要消耗一定的时间进行多次尝试和细致观察重新确定十字形结构的大小。此外，即使是合适的十字形结构也会对叶片主体图像造成损伤。2010年，郑小东等专门针对叶柄切除问题进行了研究和讨论，提出了基于形状特征的叶片和叶柄分割方法；原文认为：颜色特征或纹理特征无法用来分割叶片和叶柄，然而，从形状来看，多数植物的叶片较宽、叶柄较窄，可以利用这个特征进行叶柄和叶片分割。假设叶柄为矩形，垂直摆放，水平方向宽度为m，则对构成叶柄的任意像素来说，在水平方向其邻域内连续的黑色像素的个数不会超过m，可以根据叶柄的宽度特征分割叶片和叶柄。然而，该方法存在几个严重的缺陷：①关于“假设叶柄为矩形，垂直摆放”。通常，扫描或拍摄的叶片图像方向各异。要求扫描或拍摄前先把叶片小心翼翼地垂直摆放(摆放角度的误差就会直接干扰分割结果)，给用户带来较大的麻烦。此外，若是对植株上的叶片直接拍摄，更是难以迁就到垂直摆放这个角度。②关于“水平方向宽度为m”。不同的叶柄在不同的分辨率下，其水平方向宽度“m”的大小各不相同。原文没有对“m”的取值方法做任何探讨。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种保持叶片主体图像无损的叶柄切除方法，该方法能在保持叶片主体图像丝毫无损的情况下对叶柄进行切除，大大提高了叶片图像采集的便捷性和叶片图像的识别率。

本发明的目的通过下述技术方案实现：本保持叶片主体图像无损的叶柄切除方法，包括以下步骤：

步骤1、将叶基点和叶尖点的坐标，从计算机坐标系变换到笛卡尔坐标系下，然后在笛卡尔坐标系下求得尖基射线的斜率和尖基射线的方程；

步骤2、在尖基射线方程的基础上，进一步确定尖基射线的方向；然后以叶基点作为出发点，并沿着尖基射线方向探寻，读入探寻步长step，求取沿尖基射线走过step个点后的探寻点坐标(Xsearch，Ysearch)；