[发明专利]一种青稞云纹病的识别方法

摘要

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。

主权项

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。