[发明专利]基于SIFT特征提取算法的向日葵病害识别方法

说明书

本发明涉及一种基于SIFT特征提取算法的向日葵病害识别方法，包括：获取待识别向日葵叶部病害图像，对待识别向日葵叶部病害图像进行图像增强、去噪、平滑、锐化预处理；将待识别向日葵叶部病害图像分别与样本库中的各类病害参考图像进行SIFT特征向量进行匹配度分析，若待识别向日葵叶部病害图像与一类病害参考图像的SIFT特征向量相匹配的数量大于或等于预定阈值，则判定该待识别向日葵叶部病害图像对应的向日葵叶为该类病害向日葵叶；若待识别向日葵叶部病害图像与样本库中的各类病害参考图像的SIFT特征向量相匹配的数量都小于预定阈值，则判定该待识别向日葵叶部病害图像对应的向日葵叶不是样本库中的任何一类病害。

技术领域

本发明涉及农业病虫害识别领域，特别涉及一种基于SIFT特征提取算法的向日葵病害识别方法。

背景技术

众所周知，传统的病害诊断方法主要是植保人员通过肉眼识别，并结合植物病害的病原菌的形态进行判断，这种方法诊断效率低，很难及时、准确的判断病害类型。精准农业”为农耕者提供了新的思路，通过运用信息技术来快速有效的识别植物病害，相对于传统的识别方法，识别速度快、准确率高，还具有时效性。以苹果、黄瓜和辣椒等作物病害为例对植物叶部病害的图像进行分析，对于图像的颜色信息采用水平集和改进C-V模型研究，经验证这种方法大大提高了病害的识别率。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于SIFT特征提取算法的向日葵病害识别方法。

本发明基于SIFT特征提取算法的向日葵病害识别方法，包括：

获取待识别向日葵叶部病害图像，对所述待识别向日葵叶部病害图像进行图像增强、去噪、平滑、锐化预处理；

基于SIFT特征提取算法提取所述待识别向日葵叶部病害图像的SIFT特征向量，将待识别向日葵叶部病害图像分别与样本库中的各类病害参考图像进行SIFT特征向量进行匹配度分析，

若待识别向日葵叶部病害图像与一类病害参考图像的SIFT特征向量相匹配的数量大于或等于预定阈值，则判定该待识别向日葵叶部病害图像对应的向日葵叶为该类病害向日葵叶；

若待识别向日葵叶部病害图像与样本库中的各类病害参考图像的SIFT特征向量相匹配的数量都小于预定阈值，则判定该待识别向日葵叶图像对应的向日葵叶不是样本库中的任何一类病害。

进一步地，所述的预处理包括：直方图的均衡化、同态滤波，其中，

所述直方图的均衡化具体包括：

对输入的待处理图像统计其直方图，求出

式中，L是灰度级；p_r(r_k)是取第k级灰度值的概率；n_k是在图像中出现第k级灰度的次数；N是图像中像素总数；

根据统计出来的直方图用累积分布函数做变换，求出变换后的新灰度，累积分布函数如下：

用新灰度代替旧灰度，求出P_S(s)，把灰度值相等或者近似的合并到一起；

所述同态滤波具体包括：

对原始图像f(x,y)取对数，目的就是将乘法运算转化为加法运算：

z(x,y)＝ln f(x,y)＝lni(x,y)+lnr(x,y)

对对数函数做傅里叶变换，目的就是将图像转换到频域：

F(z(x,y))＝F[lni(x,y)]+F[lnr(x,y)]即Z＝I+R