[发明专利]植物叶片的特征提取方法、识别方法、装置和计算机设备

权利要求书

1.一种植物叶片的特征提取方法，其特征在于，包括以下步骤：

获取样本叶片图像，并对所述样本叶片图像进行二值化处理；

确定二值化处理后的样本叶片图像中各个像素点的圆形邻域，并多次旋转所述圆形邻域以计算出所述各个像素点的目标局部二值模式LBP值；

计算所述各个像素点的目标LBP值在所述样本叶片图像中的概率分布；

将所述概率分布作为所述样本叶片图像的LBP特征信息。

2.如权利要求1所述的方法，其特征在于，所述多次旋转所述圆形邻域以计算出所述各个像素点的目标局部二值模式LBP值，包括：

针对每个像素点，计算所述每个像素点的灰度值和所述每个像素点圆形邻域内多个像素的灰度值；

根据所述每个像素点的灰度值和所述每个像素点圆形邻域内多个像素的灰度值，计算所述每个像素点的第一LBP值；

对所述圆形邻域进行多次旋转，并在每次旋转后，分别计算所述每个像素点的当前灰度值和所述每个像素点圆形邻域内多个像素的当前灰度值；

根据所述每个像素点的当前灰度值和所述每个像素点圆形邻域内多个像素的当前灰度值，计算所述每个像素点的多个第二LBP值；

获取所述第一LBP值和所述多个第二LBP值中的最小值，并将所述最小值作为所述每个像素点的目标LBP值。

3.如权利要求1或2所述的方法，其特征在于，所述方法还包括：

确定所述样本叶片的种类；

建立所述样本叶片的种类与所述概率分布之间的对应关系；

将所述样本叶片的种类、所述概率分布和所述对应关系进行存储。

4.一种植物叶片的识别方法，其特征在于，包括：

获取待识别的叶片图像；

根据预设的特征提取方法对所述待识别的叶片图像进行特征提取，以得到所述待识别的叶片图像的LBP特征信息，其中，所述预设的特征提取方法为如权利要求1至3中任一项所述的特征提取方法；

将所述待识别的叶片图像的LBP特征信息与预先存储的所述样本叶片图像的LBP特征信息进行匹配；

若匹配结果满足预设条件，则根据所述样本叶片图像的LBP特征信息和预先存储的所述对应关系，确定所述待识别的叶片图像中叶片的种类。

5.一种植物叶片的特征提取装置，其特征在于，包括：

获取模块，用于获取样本叶片图像；

二值化处理模块，用于对所述样本叶片图像进行二值化处理；

第一计算模块，用于确定二值化处理后的样本叶片图像中各个像素点的圆形邻域，并多次旋转所述圆形邻域以计算出所述各个像素点的目标LBP值；

第二计算模块，用于计算所述各个像素点的目标LBP值在所述样本叶片图像中的概率分布；

第一确定模块，用于将所述概率分布作为所述样本叶片图像的LBP特征信息。

6.如权利要求5所述的装置，其特征在于，所述第一计算模块包括：

第一计算单元，用于针对每个像素点，计算所述每个像素点的灰度值和所述每个像素点圆形邻域内多个像素的灰度值；

第二计算单元，用于根据所述每个像素点的灰度值和所述每个像素点圆形邻域内多个像素的灰度值，计算所述每个像素点的第一LBP值；

旋转单元，用于对所述圆形邻域进行多次旋转；

其中，所述第一计算单元，还用于在每次旋转后，分别计算所述每个像素点的当前灰度值和所述每个像素点圆形邻域内多个像素的当前灰度值；

所述第二计算单元，还用于根据所述每个像素点的当前灰度值和所述每个像素点圆形邻域内多个像素的当前灰度值，计算所述每个像素点的多个第二LBP值；

获取单元，用于获取所述第一LBP值和所述多个第二LBP值中的最小值，并将所述最小值作为所述每个像素点的目标LBP值。

7.如权利要求5或6所述的装置，其特征在于，所述装置还包括：

第二确定模块，用于确定所述样本叶片的种类；

建立模块，用于建立所述样本叶片的种类与所述概率分布之间的对应关系；

存储模块，用于将所述样本叶片的种类、所述概率分布和所述对应关系进行存储。