国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于主成分分析的輕度蟲害葉片的葉脈識別方法

      文檔序號:6589351閱讀:361來源:國知局
      專利名稱:一種基于主成分分析的輕度蟲害葉片的葉脈識別方法
      技術(shù)領(lǐng)域
      本發(fā)明涉及一種葉脈識別方法,尤其涉及一種基于主成分分析的輕度蟲害葉片的葉脈識別方法。
      背景技術(shù)
      葉片葉脈包含了非常重要的植物生理信息,提取植物葉脈是進行植物建模和識別的關(guān)鍵步驟,葉脈識別也一直是研究的熱點。在進行各種數(shù)字圖像處理操作之前,對原高光譜圖像做降維處理是非常重要的,獨立成分分析和主成分分析同屬該范疇。獨立成分分析或獨立分量分析(Independent components analysis,縮寫:ICA)是一種利用統(tǒng)計原理進行計算的方法。它是一個線性變換,這個變換把數(shù)據(jù)或信號分離成統(tǒng)計獨立的非高斯的信號源的線性組合。但獨立成分分析并不能完全恢復(fù)信號源的具體數(shù)值,也不能解出信號源的正負符號、信號的級數(shù)或者信號的數(shù)值范圍。而主成分分析(Principal component analysis,PCA)是一種多元統(tǒng)計分析技術(shù),其主要目的是將數(shù)據(jù)降維,排除信息冗余。它將原變量進行變換,使少數(shù)幾個新變量是原變量的線性組合,這些新變量要盡可能多地表征原變量的數(shù)據(jù)結(jié)構(gòu)特征而不丟失信息,同時新變量滿足正交原則。對高光譜圖像做主成分分析運算可以增強信息含量、隔離噪聲及減少數(shù)據(jù)維數(shù)。高光譜圖像中的多波段數(shù)據(jù)經(jīng)PCA變換后,第一個PC分量的特征值最大,包含最大量的信息,特征值較小的PC分量則包含較少的有用信息和較多的噪聲。通常特征值最大的前十個PC分量圖像已包含了幾乎所有的有用信息?,F(xiàn)有技術(shù)中有報道分別采用獨立成分分析和主成分分析法進行葉脈提取,首先對高光譜圖像進行降維,經(jīng)降維處理后,再根據(jù)葉肉和葉脈葉綠素含量的不同來鑒別葉脈像素,并建立了葉綠素含量預(yù)測多線性回歸模型,但該模型應(yīng)用范圍較窄,不能獲得預(yù)期的效果O在以往的相關(guān)研究中,采用的實驗對象都是健康的葉片,除了葉脈和葉肉固有的色差外,不存在其他的色差區(qū)域,有利于葉脈的識別。但是在實際應(yīng)用中,葉片往往都會遭受各種病蟲害的侵擾。遭受蟲害危害的葉片葉綠素分布會不均勻,形成色差,同時會有細小的蟲孔,在執(zhí)行現(xiàn)有的邊緣識別算法時,這些色彩不均勻區(qū)域的邊界和細小蟲孔的邊界很容易與葉脈的邊緣同時被識別出來,難以避開。

      發(fā)明內(nèi)容
      本發(fā)明提供了一種基于主成分分析的輕度蟲害葉片的葉脈識別方法,利用該算法能獲得輕度蟲害葉片的完整葉脈圖像。一種基于主成分分析的輕度蟲害葉片的葉脈識別方法,包括:
      (I)對原高光譜圖像做主成分分析,取前三個主成分分量代入RGB彩色空間,組成RGB圖像;(2)對RGB圖像依次做彩色邊緣檢測和二維邊緣檢測,獲得初始葉脈圖像;(3)對初始葉脈圖像依次做孔洞填充、線性空間濾波、連通標注操作和線性空間濾波,將非葉脈邊緣像素過濾掉;(4)對過濾掉非葉脈邊緣像素的初始葉脈圖像做數(shù)學(xué)形態(tài)學(xué)處理,獲得最終葉脈圖像。本發(fā)明中所述的輕度蟲害葉片,是指葉脈完整、葉肉被害蟲侵蝕但仍保留至少80%葉肉面積的葉片。步驟(I)中,對原高光譜圖像中400 IOOOnm的波段圖像做主成分分析。原高光譜圖像經(jīng)PCA變換后,前三個PC分量(PCl、PC2、PC3)包含了原高光譜圖像中約99%的信息,將PC1、PC2、PC3分別看作是RGB空間中的紅、綠、藍分量,組成RGB圖像,再做進一步的葉脈識別運算,可最大程度地提取葉脈邊緣。步驟(2)中,所述的彩色邊緣檢測(RGB空間邊緣檢測)是在彩色向量空間直接計算邊緣,可通過公式(1)-(7)進行:
      權(quán)利要求
      1.一種基于主成分分析的輕度蟲害葉片的葉脈識別方法,其特征在于,包括: (1)對原高光譜圖像做主成分分析,取前三個主成分分量代入RGB彩色空間,組成RGB圖像; (2)對RGB圖像依次做彩色邊緣檢測和二維邊緣檢測,獲得初始葉脈圖像; (3)對初始葉脈圖像依次做孔洞填充、線性空間濾波、連通標注操作和線性空間濾波,將非葉脈邊緣像素過濾掉; (4)對過濾掉非葉脈邊緣像素的初始葉脈圖像做數(shù)學(xué)形態(tài)學(xué)處理,獲得最終葉脈圖像。
      2.如權(quán)利要求1所述的葉脈識別方法,其特征在于,步驟(I)中,對原高光譜圖像中400 IOOOnm的波段圖像做主成分分析。
      3.如權(quán)利要求1所述的葉脈識別方法,其特征在于,步驟(2)中,采用Canny算子進行二維邊緣檢測。
      4.如權(quán)利要求1所述的葉脈識別方法,其特征在于,步驟(3)中,孔洞填充完成后,采用3X3像素的模板進行過濾。
      5.如權(quán)利要求1所述的葉脈識別方法,其特征在于,步驟(3)中,采用八連通標注法進行連通標注操作。
      6.如權(quán)利要求1所述的葉脈識別方法,其特征在于,步驟(3)中,連通標注操作完成后,采用36X36像素的模板進行過濾。
      7.如權(quán)利要求1所述的葉脈識別方法,其特征在于,步驟(4)中,所述的數(shù)學(xué)形態(tài)學(xué)處理為膨脹處理。
      8.如權(quán)利要求7所述的葉脈識別方法,其特征在于,選取邊長為6的矩形結(jié)構(gòu)元素進行膨脹處理。
      全文摘要
      本發(fā)明提供了一種基于主成分分析的輕度蟲害葉片的葉脈識別方法,包括(1)對原高光譜圖像做主成分分析,取前三個主成分分量代入RGB彩色空間,組成RGB圖像;(2)對RGB圖像依次做彩色邊緣檢測和二維邊緣檢測,獲得初始葉脈圖像;(3)對初始葉脈圖像依次做孔洞填充、線性空間濾波、連通標注操作和線性空間濾波,將非葉脈邊緣像素過濾掉;(4)對過濾掉非葉脈邊緣像素的初始葉脈圖像做數(shù)學(xué)形態(tài)學(xué)處理,獲得最終葉脈圖像。與現(xiàn)有技術(shù)相比,本發(fā)明先對輕度蟲害葉片的原高光譜圖像進行主成分分析,再進行葉脈提取運算,獲得的最終葉脈圖像中主脈和側(cè)脈能夠被完整識別,大部分的細脈也能被完整識別。
      文檔編號G06K9/00GK103207989SQ20131008692
      公開日2013年7月17日 申請日期2013年3月18日 優(yōu)先權(quán)日2013年3月18日
      發(fā)明者趙蕓, 徐興 申請人:浙江科技學(xué)院
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1