[发明专利]基于图像分割与特征融合的植物叶片辨别方法

说明书

本发明涉及一种基于图像分割与特征融合的植物叶片辨别方法，将复杂背景下的植物叶片识别分为叶片分割与特征提取两个阶段，主要利用基于形态学变换的标记分水岭算法，对植物叶片进行重建的开闭操作后，使用标记分水岭算法对其进行分割，避免植物叶片分割过程中因叶片纹理与脉络的影响产生的过分割现象，从而消除复杂背景因素对植物叶片识别的负面影响。

技术领域

本发明涉及一种基于叶片图像分割与特征融合的复杂背景植物识别方法，该方法拟利用基于形态学变换的标记分水岭算法，通过叶片分割与特征提取，解决复杂背景下植物识别问题和植物叶片分割过程中的过分割问题，从而消除复杂背景因素对植物识别的负面影响，属于植物识别技术领域。

背景技术

地球上植物种类繁多，通过肉眼观测来识别植物存在较大误差，因此基于计算机视觉的植物分类识别成为植物分类学的研究热点。植物叶片作为植物的组成部分，常作为植物识别的重要特征。目前对植物分类识别的研究大多基于单一背景植物叶片进行的分类识别，出现了多种识别方法：支持向量机识别，差异性值局部监督线性嵌入(D-LLE)算法，深度信念网络对植物进行识别。上述方法在实际应用中需要将叶片采集并置于空白背景下进行拍摄，不具有实用性。如何在复杂背景下，在不破坏植物本身的同时对其进行识别更具有应用价值。

针对复杂背景下叶片的处理问题，出现了(1)首先Gustafson-Kessel聚类分割，再利用遗传算法提取叶片的方法，但该算法对重叠和复杂背景的鲁棒性较低。(2)自动标记的分水岭算法分割叶片图像，然后对叶片提取Hu矩和Zernike矩作为叶片形状特征，对植物进行识别的方法，该方法虽然能够在重叠、复杂背景下较好的分割叶片，但是分割时需借助叶片形状信息，对未知叶片不具有实用性。(3)基于HSI空间的分水岭分割算法提取复杂背景下的叶片，并对其进行识别的方法。但由于叶片纹理及叶片脉络的存在，该算法对大多数叶片并不具有适用性，当分割对象脉络明显时，容易造成过分割。因此，在复杂背景下的植物识别过程中，核心问题是如何对植物叶片进行分割以消除复杂背景的影响。

鉴于形态学变换后得到的叶片图像叶片纹理及脉络明显减弱，因此在对形态学变换后的叶片图像进行分水岭分割过程中，能有效避免因纹理及脉络引起的过分割现象，所以，基于形态学变换的标记分水岭算法对于复杂背景下的植物识别有很大的应用参考。

复杂背景因素对植物识别具有的负面影响，因此复杂背景下的植物识别问题是一个急需解决的问题，需要提出一种处理方法来减少复杂背景的影响。

发明内容

本发明的目的是：提供一种基于叶片图像分割与特征融合的复杂背景植物识别方法，将复杂背景下的植物识别分为叶片分割与特征提取两个阶段，通过图像分割处理消除复杂背景因素对植物识别的负面影响。同时，利用基于形态学变换的标记分水岭算法，对植物叶片进行重建的开闭操作后，使用标记分水岭算法对其进行分割，从而避免植物叶片分割过程中因叶片纹理与脉络的影响产生的过分割现象。

为了达到上述目的，本发明所采用的技术方案是：基于图像分割与特征融合的植物叶片辨别方法，其特征在于，所述方法包括如下步骤：

步骤1，去除叶片图像的非绿色背景；

步骤2，对去除非绿色背景后的叶片图像进行重建后的开闭操作，得到基于开闭的重建图像；

步骤3，计算基于开闭的重建图像的梯度幅值图像、前景标记和背景标记；

步骤4，利用强制最小值技术、前景标记与背景标记对梯度幅值图像进行修改；

步骤5，使用分水岭算法对修改后的梯度幅值图像进行分割，提取出单个叶片；

步骤6，叶片特征提取及识别。