[发明专利]基于支持向量机的向日葵叶部病害判断方法

说明书

技术领域

本发明涉及农业病虫害识别领域，尤其涉及基于支持向量机的向日葵叶部病害判断方法。

背景技术

1)在向日葵叶部病害图像的形成、变换、传输等过程中会受到多种外来因素的影响，如系统噪声、光学系统失真等，图像往往与原始景物之间存在某种差异，产生噪声，造成图像降质，此时，需对图像进行去噪处理。在多种图像去噪方法中，选取哪种方法可有效改善图像效果是拟解决的一个关键问题。

2)在向日葵叶部病斑分割时，病斑部分的分割提取是病害识别待解决的又一个关键问题。由于向日葵的病斑多样且复杂、形状各异、排列无规则、颜色深浅不一，并且同种病斑随着向日葵的生长，病斑的大小、颜色也会随之发生变化。向日葵病斑的分割是病害识别的前提步骤，其结果直接决定着最终病害图像分析结果的好坏。所以，如何选取快速有效的病斑分割方法又是实现病害识别中拟解决的关键问题之一。

3)在向日葵叶部病害特征提取时，病斑颜色、纹理等生物特征的描述是要研究的关键问题。采用哪些特征参数描述向日葵病斑的纹理及采用哪种颜色空间描述向日葵病斑的颜色特性将是待解决的关键问题。其病斑生物特征选取的正确与否将对后续向日葵病斑的识别起到决定性作用。

4)在向日葵叶部病害诊断中，主要是从模式识别的角度，综合考察其病斑的颜色、纹理等生物特征，对病害进行识别的。采用哪种识别方法高效迅速地识别出病害是本研究的最终目标，又是一个关键问题。

本专利基于论文《基于图像识别的向日葵叶部锈病诊断探究》进一步改进而来。

发明内容

发明的目的：为了提供一种效果更好的基于支持向量机的向日葵叶部病害判断方法，具体目的见具体实施部分的多个实质技术效果。

为了达到如上目的，本发明采取如下技术方案：

基于支持向量机的向日葵叶部病害判断方法，其特征在于，包含如下步骤：

判断是否是正常叶子：

根据RGB颜色模型，提取出向日葵病害图像的R、G、B颜色分量，G分量图像中病斑比较明显，病虫害病斑部分灰度值较正常部分灰度值偏差较大，以彩色图像的G分量作为诊断有无病害的主要研究对象，确定G分量判别阈值；

判断阈值的确定方式如下：

b=Σi=1mΣj=1n|G(i,j)-avg|m*n]]>

式中，G(i,j)为图像G分量图像中(i,j)点的灰度值，avg为图像G的灰度平均值，m、n分别为图像G的行数和列数；向日葵叶部图像正常与否可利用模式识别相关方法进行识别诊断，可将式中计算出的b值作为分类器的特征向量输入，此处利用支持向量机识别法对所有样本进行训练，最终对待检测的向日葵叶部图像进行正常与否的诊断；

对非正常叶片中是否含有病害进行诊断

步骤(1)中所判别的待测叶片若为非正常叶片，则该非正常叶片会出现两种情况：含有病害和不含病害；不含病害情况包括虫害、人为或自然破损等，含有病害情况包括单有病害、病害与其它非正常叶片痕迹混杂；由于病害病斑与虫害病斑、虫体在纹理特征方面差异较大，所以此处选用灰度共生矩阵描述的纹理特征作为分辨叶片是否含有病害的主要依据，之后利用支持向量机模式识别法对两类样本进行训练，最终对输入的非正常叶片进行是否含有病害的诊断；