[发明专利]一种植物叶片叶脉的分级识别方法

说明书

本发明提供一种植物叶片叶脉的分级识别方法，涉及基因分析生物信息学及图像处理技术领域。该方法首先获取植物叶片图像构成数据集，并对叶片图像进行预处理得到二值化叶脉网络图像；使用骨架化算法对二值化图像进行处理得到叶脉骨架网络，删除叶脉骨架的连接像素点并保存，将叶脉骨架网络分段为多个小叶脉段，并删除不符合要求的叶脉段；同时将二值化图像进行距离变换，构成叶脉的距离变换图像；将叶脉段投影到叶脉的距离变换图像中，提取每条叶脉段的多尺度LBP特征；最后将各级叶脉的标签赋予各叶脉段，构成训练集训练随机森林分类器，对叶脉段进行分类，并对分类结果校正。该方法能够自动分级提取叶脉分级网络，节省了时间和人工成本。

技术领域

本发明涉及基因分析生物信息学及图像处理技术领域，尤其涉及一种植物叶片叶脉的分级识别方法。

背景技术

世界上每一片叶片都有它独特的特征。无论何种物种，叶片的多样性都可以通过脉络结构来研究，脉络结构包括木质部运输水分和营养物质，韧皮部运输光合产物。然而，就其发展和功能而言，脉序仍然具有共同的结构模式，即形成网状网格的叶脉顺序的层次结构。基于叶脉直径和分支，网状层次结构被用来将脉序结构划分为几个层次，如图1所示:主叶脉1、二级叶脉2、三级叶脉3和小叶脉。其中，主叶脉1定义为从叶柄向叶尖方向运行，二级叶脉2定义为间隔分叉，三级叶脉3和小叶脉构成主叶脉1与二级叶脉2之间的网状网。

与上述定义不同的是，在实际工作中，二级叶脉是闭合结构，而不是开放结构。后二级叶脉支在前二级叶脉支的基础上，所有的二级叶脉支形成环绕结构。三级叶脉从二级叶脉或主叶脉分支出，并且从二级叶脉上分支出的分支宽度与主叶脉分出的宽度相等。三级叶脉连通主叶脉与二级叶脉或连通二级叶脉与二级叶脉最近，由于叶片脉络的生态和进化功能网络吸引了广泛的领域专家们越来越浓的兴趣，他们相信叶脉脉序是理解叶脉模式和组织分化的关键，除此之外还提供了一个有价值的网络性质。此外，脉序对物种识别具有重要意义。因此，有必要对叶脉或叶脉网络特征进行提取，以便进一步进行详细的定量分析。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种植物叶片叶脉的分级识别方法，实现对叶片叶脉的分级。

为解决上述技术问题，本发明所采取的技术方案是：一种植物叶片叶脉的分级识别方法，包括以下步骤：

步骤1、获取高清晰度的植物叶片图像构成数据集，并通过图像增强、中值滤波和自适应阈值二值化方法对数据集中的叶片图像进行预处理得到二值化叶脉网络图像；

步骤2、使用并行模板匹配骨架提取算法对步骤1得到的二值化叶脉网络图像进行处理得到植物叶片的叶脉骨架网络；

步骤3、删除叶脉骨架的连接像素点并另外保存，将叶脉骨架网络分段为多个小叶脉段，并删除像素数量小于设定阈值的叶脉段，分段后的每条叶脉段均具有自己的特征；

步骤4、将步骤1得到的二值化叶脉网络图像进行距离变换，即将二值化叶脉网络图像中每个像素点的强度值转化为该像素点距离叶脉边界的距离，构成叶脉的距离变换图像；

步骤5、将步骤3得到的叶脉段投影到步骤4的叶脉的距离变换图像中，提取每条叶脉段的多尺度LBP特征；

步骤6、将各级叶脉的标签赋予各叶脉段，构成训练集训练随机森林分类器，对叶脉段进行分类；

将数据集分为训练集和测试集，赋予训练集中每一个叶脉段对应的叶脉等级标签，结合提取的多尺度LBP特征对随机森林分类器进行训练，然后使用随机森林分类器对测试集中的叶脉段进行分类；

步骤7、通过步骤3中保存的叶脉骨架的连接像素点对分类出的叶脉段校正叶脉的分类结果，使同一像素点连接的两条叶脉段为相同等级或等级相差一级，最终得到叶脉分级图像。