[发明专利]基于对数频域分层梯度方向直方图的苹果病害识别方法

摘要

基于对数频域分层梯度方向直方图的苹果病害识别方法，先对原始的苹果病害叶片RGB彩色图像经过滤预处理，转化成YUV颜色模型，利用K均值聚类和EM方法结合对苹果叶片图像进行分割得到病斑图像，再分别计算病斑图像的对应的RGB、L*a*b*和YUV三个图像的分层梯度方向直方图，进行傅里叶变换，再取对数，得到的三个对数频域分层梯度方向直方图，再整合为一个向量，利用PCA进行维数约简，得到苹果病害叶片图像的特征向量，建立苹果病害叶片标准模版库，对于一幅待识别的苹果病害叶片，提取其特征向量，然后计算待识别叶片图像的特征向量与标准模版库中的特征向量之间的余弦距离，最后判断待识别苹果病害叶片的病害类别，本发明能够快速、准确地识别苹果病害类别。

主权项

基于对数频域分层梯度方向直方图的苹果病害识别方法，其特征在于，包括以下步骤：1)苹果病害叶片图像预处理：对于原始的苹果病害叶片RGB彩色图像，进行滤波、增强、平滑和归一化处理；2)苹果病害叶片病斑提取：将预处理后的叶片图像转化成YUV颜色模型，利用K均值聚类和EM方法结合提取病害叶片的病斑图像；3)病斑直方图计算：分别计算病斑的RGB、L*a*b*和YUV三个图像的分层梯度方向直方图；4)傅里叶变换幅度谱计算：分别计算得到的分层梯度方向直方图的快速离散傅里叶变换，然后计算其幅度谱，再对每个幅度谱进行归一化；5)取对数：分别对归一化后的三个幅度谱向量取对数，再将三个对数幅度谱整合为一个向量；6)维数约简：利用主分量分析对整合特征向量进行维数约简，提取约简维数为100的最大特征值对应的特征向量，作为苹果病害叶片图像的特征向量；7)建立苹果病害叶片图像标准模版库：对每幅已知病害类别的苹果病害叶片图像进行上述操作，提取特征向量，根据已知病害类别的苹果病害叶片图像的特征向量，建立苹果病害叶片图像的标准模版库；8)计算相似度：计算待识别苹果叶片图像的特征向量与标准模版库中的特征向量之间的余弦距离，作为他们的相似度；9)病害类型识别：确定最大的相似度对应标准模板库中特征向量对应的类别，为待识别苹果叶片图像的类别，达到利用病害叶片图像识别苹果病害类别。