[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

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种植物叶片的特征提取方法、识别方法、装置、计算机设备和计算机可读存储介质。

背景技术

植物的分类与识别一般选取植物的局部特征，如植物的叶、花、果、茎、纸条等特征。这些器官都有各自的分类价值，但是相比起植物其他的器官，植物叶片的存活时间较长，在一年的大部分时间内都可较为方便地采集到，所以常作为植物的识别特征和认识植物的主要参照器官；同时叶形是研究植物物种的形态变异和分化的一个非常好的指标，因此基于叶片的识别是识别一种植物最直接有效且最简单的方法。

植物叶片的识别技术中最主要的就是叶片中特征信息的提取。相关技术中，通常是通过一定的降噪、加权聚合运算等方式从植物叶片图像中提取出LBP(Local Binary Patterns，局部二值模式)特征，并通过该LBP特征以实现植物叶片的识别。但是，上述方式仅能够对当前角度下的植物叶片进行特征提取，并通过该特征以实现叶片的识别，而当通过不同角度对同一种类型的植物叶片进行拍摄而得到的植物叶片图像，如果利用上述识别方式对该同一种类型植物叶片在不同角度下的图像进行识别的话，可能会出现不同的识别结果，也就是说，针对同一类型植物叶片图像在旋转情况下，通过上述识别方式会存在识别结果有误差，识别准确性低的问题。

发明内容

本发明的目的旨在至少在一定程度上解决上述的技术问题之一。

为此，本发明的第一个目的在于提出一种植物叶片的特征提取方法。该方法可以很好地克服图像中叶片以不同形状或不同角度分布时识别结果的误差，提高了叶片中特征提取的准确度，也可以提高叶片识别的精确度。

本发明的第二个目的在于提出一种植物叶片的识别方法。

本发明的第三个目的在于提出一种植物叶片的特征提取装置。

本发明的第四个目的在于提出一种植物叶片的识别装置。

本发明的第五个目的在于提出一种计算机设备。

本发明的第六个目的在于提出一种非临时性计算机可读存储介质。

本发明的第七个目的在于提出另一种计算机设备。

本发明的第八个目的在于提出另一种非临时性计算机可读存储介质。

为达到上述目的，本发明第一方面实施例提出的植物叶片的特征提取方法，包括：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。

为达到上述目的，本发明第二方面实施例提出的植物叶片的识别方法，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本发明第一方面实施例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。

为达到上述目的，本发明第三方面实施例提出的植物叶片的特征提取装置，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。

为达到上述目的，本发明第四方面实施例提出的植物叶片的识别装置，包括：获取模块，用于获取待识别的叶片图像；特征提取模块，用于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本发明第一方面实施例所述的特征提取方法；匹配模块，用于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；确定模块，用于在匹配结果满足预设条件时，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。