[发明专利]融合光谱和图像信息的作物病虫害识别和区分方法

摘要

本发明公开了一种融合光谱和图像信息的作物病虫害识别和区分方法，本发明提出了光谱图像获取，叶片背景分离，病虫伤斑区域识别和病虫害类型诊断的决策流程，充分利用成像光谱技术“图谱合一”的优势，基于图像和光谱两个维度分别捕捉到的叶片伤害部位呈现的光谱、几何、纹理特征，提出一种综合光谱和图像特征，进行病虫害区分的方法。本发明克服传统方法在区分、诊断上的局限，具有能够对病虫害进行快速、无损、准确诊断的特点。

主权项

一种融合光谱和图像信息的作物病虫害识别和区分方法，其特征是，包括如下步骤：(1‑1)光谱图像数据采集将叶片p置于黑板上，使用包含中心波长为570nm，680nm，750nm的三个波段的高光谱相机采集植物叶片光谱图像，上述三波段对不同病虫害敏感且具有区分力；对植物叶片光谱图像进行标定处理，得到与570nm、680nm和750nm分别对应的反射率图像Re f₅₇₀，Re f₆₈₀和Re f₇₅₀；(1‑2)叶片区域与背景分离设定影像分割阈值W1，对于反射率图像Re f₇₅₀；当Re f₇₅₀中的像元的反射率≥W1，判定该像元处为叶片；当Re f₇₅₀中的像元的反射率＜W1，判定该像元处为背景；设定判定为叶片的区域像元值为1，设定判定为背景的区域像元值为0，得到一幅二值掩膜图像Mask_leaf；利用所述二值掩膜图像Mask_leaf，对Re f₅₇₀，Re f₆₈₀和Re f₇₅₀分别进行掩膜，去除背景，得到叶片区域影像Re f′₅₇₀，Re f′₆₈₀和Re f′₇₅₀；(1‑3)叶片中病虫伤斑提取利用下述公式计算RTVI指数：$\mathrm{RTVI}=\frac{100\×(\mathrm{Re}{f}_{750}^{\′}-\mathrm{Re}{f}_{570}^{\′})-180\×(\mathrm{Re}{f}_{680}^{\′}-\mathrm{Re}{f}_{570}^{\′})}{(\mathrm{Re}{f}_{750}^{\′}+\mathrm{Re}{f}_{570}^{\′})\×180}$基于三个波段的反射率影像Re f′₅₇₀，Re f′₆₈₀和Re f′₇₅₀，利用上式进行波段运算，生成RTVI影像；设定RTVI阈值W2，将RTVI影像的叶片区域各个像元处的RTVI指数分别与W2做比较；当RTVI指数≥W2，判定该像元处叶片为正常；当RTVI指数＜W2，判定该像元处叶片为伤斑；设定判定为叶片的区域像元值为1，设定判定为病斑的区域像元值为2，背景区域像元值为0，完成对叶片正常区域和病斑区域的区分，得到一幅分类图；(1‑4)计算叶片伤斑区域的光谱特征和图像特征利用下述公式分别计算与Re f′₅₇₀，Re f′₆₈₀和Re f′₇₅₀相对应的叶片伤斑区域的3个光谱特征：${\mathrm{Ratio}}_i=\frac{\stackrel{\‾}{\mathrm{Re}{f}_{(i,D)}}}{\stackrel{\‾}{\mathrm{Re}{f}_{(i,H)}}}$其中，i表示570nm，680nm和750nm中的任一波长，D表示叶片伤斑区域的像元，H代表叶片正常区域的像元，表示叶片样本被判定为胁迫区域的整体反射率均值，表示叶片样本被判定为正常区域整体反射率均值，Ratio_i为中心波长为i的叶片伤斑部分与正常部分整体反射率均值的比值；结合不同病虫害伤斑的形态特点，得到叶片样本的5个图像特征：方向一致性特征、复杂度特征、等效面积圆半径、纹理对比度和熵；(1‑5)病虫害区分设定费氏线性判别分析(FLDA)模型，FLDA模型由已知病虫害类型的若干个叶片样本训练构成，FLDA模型包括y种病虫害类型和与其关联的每个叶片的3个光谱特征和5个图像特征；将步骤(1‑4)中得到的叶片p的3个光谱特征和5个图像特征输入FLDA模型中，FLDA模型输出叶片p的病虫害类型。