[发明专利]一种青稞云纹病的识别方法

说明书

本发明公开了一种青稞云纹病的识别方法，属于图像处理领域。将预处理之后的图像转换到HSV颜色空间，设置H、S划分等级及变化范围，根据设置结果统计图像中H、S分量数据并创建直方图，归一化图像直方图高度。依据直方图和对应标签，分别计算正样本的聚类中心，和负样本的聚类中心；检测图像是，分别计算检测图像和正负样本聚类中心的距离，将检测图像与距离较近的一类归为一类。本发明利用对图像滤波消噪，提取颜色空间特征并归一化，能很好分类出正常青稞叶片和云纹病青稞叶片的图像，提高了青稞云纹病的识别效率和准确度。

技术领域

本发明属于图像处理领域，尤其涉及一种青稞云纹病识别方法。

背景技术

云纹病是青稞生产的主要病害之一。其爆发严重影响大麦产量。云纹病能够造成大量减产，严重影响青稞品质，青稞感染云纹病后，叶片初期呈现白色透明小斑，小斑继续扩大转变为青灰至淡褐色，病斑较多时合并呈现云纹状，最终整个叶片枯黄致死。云纹病是一种多循环病害。

云纹病是青棵的常见病害，分布广泛而严重、云纹病主要危害叶片和叶鞘、也侵染穗部。病株叶片早期枯死，造成减产，严重田块减产45％以上。有人在自然发病条件下分级测定青稞的损失情况，结果随云纹病严重度增高，穗粒数、千粒重、单穗粒重都明显减低，而产量损失率明显增高，严重度为最高一级时产量损失率达67.3％。

[症状识别]叶片上和叶鞘上初生卵圆形白色透明的小病斑，病斑扩大后变为梭形、长椭圆形，病斑中部青灰色至淡褐色，边缘宽而色深，呈暗褐色或黑褐色。多个病斑相互汇合。呈云纹状，病叶变黄枯死。在高湿条件下，病斑上形成灰黑色霉状物，为病原菌的分生孢子梗和分生孢子。

目前，青稞云纹病处于靠有经验种植者肉眼判断阶段，经验不足则可能判断失误，导致治疗方法有误，耽误青稞病情，影响产量。该方法可以智能诊断出青稞云纹病，并有很好的准确性。

发明内容

针对现有欠缺的诊断青稞云纹病的技术问题，本发明提供一种青稞云纹病识别方法。该方法能减少青稞云纹病对人为诊断经验的依赖，能增强特征表现型，提高分类准确性。

本发明包含图像预处理，提取颜色特征并对其特征进行处理，训练阶段和测试阶段。能对图像及特征做很好的处理，能准确预测出青稞云纹病。因而本发明技术方案为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；