[发明专利]一种基于颜色特征和超像素聚类的棉花叶枯病检测方法及系统

说明书

本发明提供一种基于颜色特征和超像素聚类的棉花叶枯病检测方法及系统，属于农作物病害检测和计算机视觉技术领域。本发明通过FCM对原始图像进行聚类，RGB分量重组去除土壤和杂质等非绿色部分，基于Otsu方法进行自适应阈值分割。形态学处理填补分割图像空洞，去除毛刺和叶柄边缘及孤立点，平滑受损叶片轮廓。地面上的杂草区域部分，检测连通区域面积，根据阈值可有效解决。超像素算法对提取的棉花叶片分割区分枯叶区域和正常叶片区域，而不用去考虑边缘划分。设定阈值检测每个超像素块枯叶区域，根据面积占比进行处理大大减小因阈值设定导致的误差。最后准确的给出棉花叶片的病害程度和检测结果，因此具有良好的实际应用之价值。

技术领域

本发明属于农作物病害检测和计算机视觉技术领域，具体涉及一种基于颜色特征和超像素聚类的棉花叶枯病检测方法及系统。

背景技术

公开该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。

在农业领域，植物病害种类繁多，治理不当会严重降低农产品的数量和质量。叶枯病是棉花生长过程中最常见的疾病，危害棉叶及棉铃，每年都造成巨大的经济损失，因此提前检测、有效预防疾病对于保证棉花的产量至关重要。现有的传统人工检测棉花植株的方法会耗费大量的时间和经济成本，不适用于大规模棉花种植产业。

在棉花叶枯病检测中，通过应用植物叶子症状来自动检测疾病可以减少大型植物领域中的大量监测工作，是一种相对便宜且更有效的解决方案。病害叶片分割的优劣会直接影响植物病害检测的可靠性和准确性，然而发明人发现，单一的传统图像分割方法受光照、阴影、天气等因素的影响较大，难以直接适用各种复杂自然环境下的棉花图像，进而使得叶枯病的检测更加困难。

发明内容

针对上述现有技术的不足，本发明提供一种基于颜色特征和超像素聚类的棉花叶枯病检测方法及系统。本发明根据棉花叶片的颜色特征结合超像素聚类算法进行叶枯病的检测，能很好的适应于自然环境下的棉花叶片，具有很好的准确性和鲁棒性，因此具有良好的实际应用之价值。

本发明是通过如下技术方案实现的：

本发明的第一个方面，提供一种基于颜色特征和超像素聚类的棉花叶枯病检测方法，包括：

对获取得到的棉花叶片图像进行聚类，从而增大图像中叶片部分所属的前景区域和背景区域的区分度；

使用RGB分量重组增强图像绿色部分区域；

对上述图像进行自适应阈值分割处理，得到初始分割图像；

对初始分割图像经过形态学处理和连通区域面积处理后进行超像素分割，根据阈值检测每个超像素块，输出检测结果。

本发明的第二个方面，提供一种基于颜色特征和超像素聚类的棉花叶枯病检测系统，所述系统包括：

棉花叶片图像获取模块，用于获取棉花叶片图像数据；

聚类模块，用于对棉花图像进行聚类，从而增大图像中叶片部分所属的前景区域和背景区域的区分度；

RGB分量重组模块，用于增强图像绿色部分区域；

自适应阈值分割处理模块，用于获得初始分割图像；

形态学处理和连通区域面积处理模块，用于消除细长的突出物，去除毛刺和叶柄边缘；填补叶片上的孔洞，同时平滑受损的叶片边缘；并去除杂草部分；

超像素分割模块，用于对提取的棉花叶片分割区分枯叶区域和正常叶片区域，而不用去考虑边缘划分；

结果输出模块，通过设定阈值检测每个超像素块枯叶区域，并根据面积占比进行处理，用于输出棉花叶片的病害程度和检测结果。