[发明专利]一种青稞云纹病的识别方法

权利要求书

1.一种青稞云纹病的识别方法，该方法包括：

步骤1：获取青稞正常图像样本和青稞云纹病图像样本，并将图像转换为mat格式；

步骤2：对步骤1获得图像采用双边滤波方法进行去噪处理；

双边滤波器的模板为：ω(i,j,k,l)＝dis(i,j,k,l)*val(i,j,k,l)；

其中：距离模板(k,l)为模板窗口的中心坐标，(i,j)为模板窗口的其它系数的坐标，σ_d为高斯函数的标准差；

值域模板系数生成公式：f(x,y)表示要处理的图像，f(x,y)表示在点(x,y)处的像素值，(k,l)为模板窗口的中心坐标，(i,j)为模板窗口的其它系数的坐标，σ_r为高斯函数的标准差；

步骤3：将步骤2得到图像的每个像素的颜色空间从RGB转到HSV，计算出各像素点的H值和S值；

步骤4：将H平均划分为16个等级，S平均划分为8个等级，H分量变化为0到180，S变化范围为0到255；

步骤5：对每一幅图像进行如下处理；

对每个像素点的H值，根据步骤4划分出的16个等级，统计每个等级的像素点个数及概率，并作出概率直方图A；对每个像素点的S值，根据步骤4划分出的8个等级，统计每个等级的像素点个数及概率，并作出概率直方图B；统计每个像素H值出现的概率，并作出概率直方图C；统计每个像素S值出现的概率，并作出概率直方图D；

步骤6：归一化各直方图高度值；

步骤7：图像识别；

步骤7-1：将青稞正常图像样本的归一化后直方图高度值按不同的等级划分方式聚为4类，并计算这4类的聚类中心分别为：A1,B1,C1,D1；

步骤7-2：将青稞云纹病图像样本的归一化后直方图高度值不同的等级划分方式聚为4类，并计算这4类的聚类中心分别为：A2,B2,C2,D2；

步骤7-3：判断待检测的青稞图像时，首先采用步骤2到步骤6的方法处理待检测青稞图像，得到a,b,c,d四类归一化后的直方图高度值；

步骤7-4：分别计算a,b,c,d与A1,B1,C1,D1的距离，将得到的4个距离加权相加，得到距离P；

步骤7-5：分别计算a,b,c,d与A2,B2,C2,D2的距离，将得到的4个距离按步骤7-4相同的系数加权相加，得到距离Q；

步骤7-6：判断距离P和距离Q的大小，较小者对应的那一类为待识别图像的分类。

2.如权利要求1所述的一种青稞云纹病的识别方法，其特征在于所述步骤3中H、S的计算方法为：

r＝R/255

g＝G/255

b＝B/255

其中：R、G、B为像素点对应在RGB色域内各通道的值；

Amax＝max(r,g,b)

Amin＝(r,g,b)

Δ＝Amax-Amin

3.如权利要求1所述的一种青稞云纹病的识别方法，其特征在于所述步骤6中归一化的具体方法为Data＝[Data1,Data2,...Datak]，其中Datai为提取的直方图高度；

计算为所有值之和x＝[Data1/count,Data2/count,...,Datak/count],x为归一化之后特征，Datai/count为归一化后每一个纵坐标值。

4.如权利要求1所述的一种青稞云纹病的识别方法，其特征在于所述步骤7-4中分别计算a,b,c,d与A1,B1,C1,D1的距离按照加权系数为1,1,3,2进行加权相加。