一种园林植物病虫害区域快速检测方法与流程

本发明涉及图像处理，具体涉及一种园林植物病虫害区域快速检测方法。

背景技术：

1、园林植物病虫害是指园林中植物受到的疾病和害虫的危害；其中，园林植物白粉病是比较常见的一种病，白粉病是由一类真菌引起的病害，其特征是植物叶片表面出现白色或灰白色的粉状物质。为了便于对患白粉病的园林植物的病灶情况进行具体分析，需通过图像技术对植物叶片表面的病害区域进行提取。

2、在对园林植物的叶子进行病虫害检测过程中，根据园林植物的叶子图像中像素点之间的灰度差异，通过密度聚类算法获取园林植物的叶子表面中的病虫害区域；由于在采集园林植物的叶子图像时存在光照的影响，使得疑似病虫害区域内的正常像素点的灰度值和疑似病虫害像素点的灰度值相近，则会降低对园林植物的叶子表面中的病虫害区域的检测的准确性。

技术实现思路

1、本发明提供一种园林植物病虫害区域快速检测方法，以解决现有的问题。

2、本发明的一种园林植物病虫害区域快速检测方法采用如下技术方案：

3、本发明一个实施例提供了一种园林植物病虫害区域快速检测方法，该方法包括以下步骤：

4、获取园林植物的叶子图像；

5、对叶子图像进行分割，得到疑似病虫害区域，将疑似病虫害区域内的像素点记为疑似病虫害像素点，根据每个疑似病虫害像素点的邻域范围内疑似病虫害像素点的个数、疑似病虫害像素点之间的距离，得到每个疑似病虫害像素点的目标程度值，根据每个疑似病虫害像素点的目标程度值从所有的疑似病虫害像素点中筛选出目标像素点；

6、根据每个目标像素点的邻域范围内像素点的灰度分布和邻域范围内像素点的梯度分布、每个目标像素点的目标程度值、相邻边缘像素点斜率的差异，得到每个目标像素点的衰败概率；

7、根据每个目标像素点的衰败概率，从所有的目标像素点中选出一部分像素点对应的区域，作为叶子图像中的病虫害区域。

8、进一步地，所述对叶子图像进行分割，得到疑似病虫害区域，包括的具体步骤如下：

9、通过大津阈值算法对叶子图像进行阈值分割，得到两个分割区域，将分割区域中所有像素点的灰度值的均值最大的分割区域记为疑似病虫害区域。

10、进一步地，所述根据每个疑似病虫害像素点的邻域范围内疑似病虫害像素点的个数、疑似病虫害像素点之间的距离，得到每个疑似病虫害像素点的目标程度值，根据每个疑似病虫害像素点的目标程度值从所有的疑似病虫害像素点中筛选出目标像素点，包括的具体步骤如下：

11、以每个疑似病虫害像素点为局部窗口中心点，以为局部窗口大小，得到每个疑似病虫害像素点的局部窗口，其中，为预设第一参数；

12、根据疑似病虫害像素点之间的距离之间的差异，得到每个疑似病虫害像素点的第二数值；将每个疑似病虫害像素点的局部窗口内所有的疑似病虫害像素点的个数、每个疑似病虫害像素点的第二数值之间的乘积结果，记为每个疑似病虫害像素点的第一乘积值，对所有疑似病虫害像素点的第一乘积值进行线性归一化，将归一化后每个疑似病虫害像素点的第一乘积值，作为每个疑似病虫害像素点的目标程度值；

13、将目标程度值大于预设第一阈值的所有疑似病虫害像素点，记为目标像素点。

14、进一步地，所述根据疑似病虫害像素点之间的距离之间的差异，得到每个疑似病虫害像素点的第二数值，包括的具体步骤如下：

15、将每个疑似病虫害像素点与对应的局部窗口内每个疑似病虫害像素点之间的距离、每个疑似病虫害像素点与对应的局部窗口内所有疑似病虫害像素点之间的距离的均值之间的差值的平方，记为每个疑似病虫害像素点的局部窗口内每个疑似病虫害像素点的第一差值，将每个疑似病虫害像素点的局部窗口内所有疑似病虫害像素点的第一差值的累加和，记为每个疑似病虫害像素点的第一数值，将作为每个疑似病虫害像素点的第二数值；

16、其中，表示以自然常数为底的指数函数。

17、进一步地，所述根据每个目标像素点的邻域范围内像素点的灰度分布和邻域范围内像素点的梯度分布、每个目标像素点的目标程度值、相邻边缘像素点斜率的差异，得到每个目标像素点的衰败概率，包括的具体步骤如下：

18、根据每个目标像素点的邻域范围内所有像素点的灰度值和邻域范围内的纹理值、每个目标像素点的目标程度值，得到每个目标像素点的衰败程度因子；

19、获取叶子图像的质心点，从叶子图像上的质心点开始，沿着质心点指向每个目标像素点的方向，得到一条射线，将其记为每个目标像素点的第一射线；从叶子图像上的质心点开始，沿着第一射线的反方向，得到一条射线，将其记为每个目标像素点的第二射线；从叶子图像上的质心点开始，沿着第一射线方向的逆时针旋转后的方向进行延伸，得到一条射线，将其记为每个目标像素点的第三射线；从叶子图像上的质心点开始，沿着第一射线方向的顺时针旋转后的方向进行延伸，得到一条射线，将其记为每个目标像素点的第四射线；根据射线与叶子边缘像素点的交点获得每个目标像素点的正交边缘像素点序列；

20、根据像素点之间的距离、每个目标像素点的衰败程度因子、每个标像素点的正交边缘像素点序列中所有相邻边缘像素点斜率的差异，得到每个目标像素点的衰败概率。

21、进一步地，所述根据每个目标像素点的邻域范围内所有像素点的灰度值和邻域范围内的纹理值、每个目标像素点的目标程度值，得到每个目标像素点的衰败程度因子，包括的具体步骤如下：

22、将每个目标像素点的局部窗口内所有非目标像素点的灰度值的均值，记为每个目标像素点的第一均值，将每个目标像素点的局部窗口内所有非目标像素点的纹理值的累加和，记为目标像素点的第三数值，将目标像素点的第三数值的倒数记为目标像素点的第四数值，将每个目标像素点的第一均值、目标像素点的第四数值、每个目标像素点的目标程度值之间的乘积结果，作为每个目标像素点的衰败程度因子。

23、进一步地，所述根据射线与叶子边缘像素点的交点获得每个目标像素点的正交边缘像素点序列，包括的具体步骤如下：

24、将每个目标像素点的第一射线与叶子边缘像素点相交的像素点，记为正交像素点，获取正交像素点相邻左侧的b个边缘像素点和右侧的b个边缘像素点，根据从左到右的顺序将所有的2b+1个边缘像素点进行排序，得到每个目标像素点的正交边缘像素点序列；

25、其中，b为预设第二参数。

26、进一步地，所述根据像素点之间的距离、每个目标像素点的衰败程度因子、每个标像素点的正交边缘像素点序列中所有相邻边缘像素点斜率的差异，得到每个目标像素点的衰败概率，包括的具体步骤如下：

27、将每个目标像素点的第二射线与叶子边缘像素点相交的像素点，记为反交像素点；将每个目标像素点的第三射线与叶子边缘像素点相交的像素点，记为第一垂直相交像素点；将每个目标像素点的第四射线与叶子边缘像素点相交的像素点，记为第二垂直相交像素点；

28、将每个目标像素点的正交像素点到质心点之间的距离、每个目标像素点的反交像素点、第一垂直相交像素点、第二垂直相交像素点到质心点之间的距离的均值之间差值的绝对值，记为每个目标像素点的第一绝对值；

29、将每个目标像素点的正交边缘像素点序列中任意一个边缘像素点和任意一个右相邻边缘像素点之间的斜率，记为每个目标像素点的正交边缘像素点序列中每相邻两个边缘像素点的第一斜率，根据每个目标像素点的正交边缘像素点序列中每相邻两个边缘像素点的第一斜率，按照每个目标像素点的正交边缘像素点序列的顺序，得到一组斜率序列，记为每个目标像素点的斜率序列，将每个目标像素点的斜率序列相邻两个斜率之间的差值的绝对值，记为每个目标像素点的斜率序列中每相邻两个斜率的第一差值的绝对值，将每个目标像素点的斜率序列中所有相邻两个斜率的第一差值的绝对值的均值，记为每个目标像素点的第二均值；

30、根据每个目标像素点的第一绝对值、每个目标像素点的第二均值、每个目标像素点的衰败程度因子，得到每个目标像素点的衰败概率。

31、进一步地，所述根据每个目标像素点的第一绝对值、每个目标像素点的第二均值、每个目标像素点的衰败程度因子，得到每个目标像素点的衰败概率，包括的具体步骤如下：

32、将每个目标像素点的第一绝对值、每个目标像素点的第二均值、每个目标像素点的衰败程度因子之间的乘积结果，记为每个目标像素点的第二乘积值；

33、对所有目标像素点的第二乘积值进行线性归一化，将归一化后每个目标像素点的第二乘积值作为每个目标像素点的衰败概率。

34、进一步地，所述根据每个目标像素点的衰败概率，从所有的目标像素点中选出一部分像素点对应的区域，作为叶子图像中的病虫害区域，包括的具体步骤如下：

35、根据所有目标像素点的灰度值和位置通过密度聚类算法对所有的目标像素点进行聚类，得到目标像素点的若干个类簇；将每个类簇的所有目标像素点的衰败概率的均值小于或者等于预设第二阈值的所有类簇记为病虫害类簇，将每个类簇的所有目标像素点的衰败概率的均值大于预设第二阈值的所有类簇记为病虫害类簇，将所有病虫害类簇中的目标像素点记为病虫害像素点，将病虫害像素点所占的区域，记为叶子图像中的病虫害区域。

36、本发明的技术方案的有益效果是：本发明根据每个疑似病虫害像素点的邻域范围内疑似病虫害像素点个数、以及疑似病虫害像素点之间的距离，得到每个疑似病虫害像素点的目标程度值，根据每个疑似病虫害像素点的目标程度值从所有的疑似病虫害像素点中筛选出目标像素点，提高了灰度差异分析的准确性；根据每个目标像素点的邻域范围内像素点的灰度分布和邻域范围内的纹理值、每个目标像素点的目标程度值、相邻边缘像素点斜率的差异，得到每个目标像素点的衰败概率；根据每个目标像素点的衰败概率，从所有的目标像素点中选出一部分像素点对应的区域，作为叶子图像中的病虫害区域，降低了光照对病虫害检测的影响，提高了对园林植物的叶子表面中的病虫害区域检测的准确性。