[发明专利]一种作物病害叶片图像中病斑的分割方法

摘要

本发明提供一种作物病害叶片图像中病斑的分割方法，包括以下步骤：从图像采集设备中获取包含作物病害叶片的彩色图像，归一化处理，转换到CIEL*a*b*颜色空间，设置初始分类数目为2，利用自适应特征学习方法，学习图像中的病斑和背景叶片的初始分类颜色特征R、G、B的值，计算各个像素点到分类中心的距离，把数据归类；计算a*均值之间的距离，若a*值的距离得出最大结果则分割结束。本发明提出的方法，克服了已有技术存在不同作物、不同病害分割结果不稳定的问题，提高了病斑分割算法的分割精度和适应性，而且还能够应用于智能手机等移动终端，适合田间操作，拓宽了该方法的应用范围。

主权项

一种作物病害叶片图像中病斑的分割方法，其特征在于，包括以下步骤：S1从图像采集设备中获取包含作物病害叶片的彩色图像I1，对所述彩色图像I1进行归一化处理形成彩色图像I2；S2提取图像I2的红色、绿色、蓝色三个颜色通道上的子图像Ir,Ig,Ib，并将图像I2转换到CIEL*a*b*颜色空间，提取a*颜色分量，并形成图像Ia*；S3根据病害叶片的特点，设置初始分类数目为2，即将病害叶片分为病斑部分和正常叶片部分2大类；S4利用自适应特征学习方法，学习图像中的病斑和背景叶片的初始分类颜色特征R、G、B的值，病斑图像R、G、B的平均值为病斑分类中心，正常叶片图像R、G、B的平均值为背景叶片分类中心，S5计算各个像素点到分类中心的距离，把数据归到离它最近的那个分类中心所在的类；S6分别统计分割结果中病斑区域和正常叶片区域的像素在CIEL*a*b*颜色空间模型中a*值的均值和R、G、B的均值；S7计算病斑区域和背景叶片区域两类a*均值之间的距离；S8若a*值的距离与下一次重新聚类得出的值相比最大则分割结束；否则，更新分类中心，重复步骤S5～S8直至a*值的距离小于上一次聚类结果时的距离。