一種基于多尺度分析的溫室田間植物葉片邊緣提取方法及其系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及數(shù)字圖像處理【技術(shù)領(lǐng)域】，尤其涉及一種基于多尺度分析的溫室田間植物葉片邊緣提取方法及其系統(tǒng)。該方法利用不同尺度空間圖像信息的差異，選擇不同的分割方法，進(jìn)行綜合分析，獲得理想的分割結(jié)果。在獲取實驗圖像后，對圖像進(jìn)行適當(dāng)?shù)钠交瑸V波，針對圖像中存在的不同類型的偽邊緣，進(jìn)行分類處理。綜合尺度空間中canny邊緣檢測和OTSU閾值分割在不同尺度中的不同情況和各類偽邊緣的不同特點，以形態(tài)學(xué)處理和邏輯運算等方法，按位運算去除內(nèi)部和外部偽邊緣，提高了邊緣檢測精確度，降低了葉片識別錯誤率。
【專利說明】一種基于多尺度分析的溫室田間植物葉片邊緣提取方法及其系統(tǒng)

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及數(shù)字圖像處理【技術(shù)領(lǐng)域】，尤其涉及一種基于多尺度分析的溫室田間植物葉片邊緣提取方法及其系統(tǒng)。

【背景技術(shù)】
[0002]葉片是果樹營養(yǎng)物質(zhì)的制造器官，是產(chǎn)量形成的基礎(chǔ)。農(nóng)業(yè)生產(chǎn)中需要獲取大量的葉片生長信息。為通過圖像獲取葉片生長信息，實現(xiàn)果園生產(chǎn)自動監(jiān)測，需要對田間果樹葉片圖像進(jìn)行圖像增強(qiáng)與分割算法研究。圖像分割是圖像分析和圖像理解的基礎(chǔ)，能夠為進(jìn)一步圖像處理提供重要的信息。植物葉片圖像分割能夠為植物特征提取提供重要依據(jù)，如葉片面積計算、葉片病蟲害檢測和葉片三維重建等，從而可以實時監(jiān)測植物的生長狀況，提前預(yù)防病蟲害等。有助于科學(xué)種植，提高作物產(chǎn)量等。
[0003]圖像分割是根據(jù)具體的任務(wù)需求，將感興趣的部分(目標(biāo))從圖像的其他信息(背景)中分離出來，是圖像處理的重要組成部分，也是圖像分析和理解的基礎(chǔ)，更是一門計算機(jī)視覺技術(shù)。目標(biāo)分割是圖像分析和圖像理解的關(guān)鍵步驟，同時準(zhǔn)確完整的植物葉片邊緣信息也是基于數(shù)字圖像處理技術(shù)的作物生物量獲取的首要前提，例如可以進(jìn)行生長狀況檢測，葉綠素含量測定，病蟲害預(yù)警，以及基于目標(biāo)特征的葉片三維形態(tài)重建恢復(fù)，進(jìn)而實現(xiàn)無損精確的立體植物葉面積計算，及數(shù)字果園的可視化管理等。不論是基于圖像的葉片面積周長、莖干直徑等生長要素的獲取，還是營養(yǎng)狀況、成熟度檢測，所有分析的基礎(chǔ)是圖像中所需目標(biāo)的準(zhǔn)確提取。只有建立在準(zhǔn)確的目標(biāo)提取方法上的其他參數(shù)獲得才是有價值的，基于這些參數(shù)所做的分析和得到的結(jié)論才是有意義的。準(zhǔn)確的分析可以提供用于病蟲害分析的正確的紋理、形狀信息，可以提供三維重建中匹配的同名像點，可以提供采摘機(jī)器人正確的運動方位。只有完整精確地將圖像分割、目標(biāo)分離出來，基于目標(biāo)的特征提取和參數(shù)測量才可以剔除掉大量的圖像冗余信息，轉(zhuǎn)換圖像灰度信息到更抽象的一系列特征數(shù)據(jù)集，突出而完備的表達(dá)重要信息，方便對圖像后續(xù)的分析和理解。
[0004]邊緣檢測分割則通常是在梯度圖像的基礎(chǔ)上進(jìn)行的。利用圖像一階導(dǎo)數(shù)的極值或二階導(dǎo)數(shù)的零點作為判斷邊緣點的基本依據(jù)。邊緣檢測的優(yōu)點是邊緣定位準(zhǔn)確、運算速度快。邊緣檢測一般分為三個步驟:首先利用一些邊緣檢測算子檢測出圖像中可能的邊緣點；其次，對有一定厚度的邊緣進(jìn)行復(fù)雜的邊緣細(xì)化，得到精確的、厚度為一個像素的邊緣；最后，利用邊緣閉合技術(shù)得到封閉的邊緣。但植物葉片圖像通常具有以下特征:背景復(fù)雜，葉片較多，易重疊，葉片表面不夠光滑，葉脈與葉片的色彩差異較大，葉子邊緣有些地方梯度變化不明顯，葉片與葉柄相連處、枝條重疊處難以分開，有些果樹現(xiàn)場葉片圖像由于光照不同而表現(xiàn)為幾種不同亮度的區(qū)域，內(nèi)部梯度變化過于明顯。這些特征導(dǎo)致分割的結(jié)果是，既不能保證邊緣的連續(xù)性和封閉性，又在高細(xì)節(jié)區(qū)存在許多大量的碎邊緣、偽邊緣，難以確定哪些邊緣是真正的目標(biāo)邊緣。


【發(fā)明內(nèi)容】

[0005](一 )要解決的技術(shù)問題
[0006]本發(fā)明要解決的技術(shù)問題是:提出一種基于多尺度分析的溫室田間植物葉片邊緣提取方法及其系統(tǒng)，對不同類型的偽邊緣實施不同處理，提高邊緣檢測精確度，降低葉片識別錯誤率。
[0007]( 二 )技術(shù)方案
[0008]為實現(xiàn)上述目的，本發(fā)明提供一種基于多尺度分析的溫室田間植物葉片邊緣提取方法，該方法包括:
[0009]S1.抓取溫室田間植物圖像，截取包含單一完整葉片的目標(biāo)子圖像，將所述目標(biāo)子圖像轉(zhuǎn)換為灰度圖像，使用wiener濾波去噪；
[0010]S2.對SI去噪后獲得的圖像采用四層‘db5’小波分解，并重構(gòu)第一層圖像得到圖像Π，重構(gòu)第三層圖像得到圖像f2 ；
[0011]S3.對步驟S2獲得的圖像fl使用canny邊緣檢測得到低尺度邊緣圖像f3，使用OTSU閾值分割得到低尺度的OTSU閾值分割圖像f4，對步驟S2獲得的圖像f2使用OTSU閾值分割得到高尺度的閾值分割圖像f5 ；
[0012]S4.第一類偽邊緣的處理:對步驟S3得到的低尺度閾值圖像f4進(jìn)行外部偽邊緣處理，得到用于擦除外部偽邊緣的外模板區(qū)域圖像f6 ；
[0013]S5.對步驟S4得到的圖像f6運用邏輯非運算后再與步驟S3得到的邊緣圖像f3邏輯與，獲得擦除外部偽邊緣的圖像f7 ；
[0014]S6.對步驟S3獲取的高尺度閾值圖像f5進(jìn)行內(nèi)部輪廓處理，得到用于擦除內(nèi)部偽邊緣的內(nèi)模板圖像Π8;
[0015]S7.對步驟S6得到的內(nèi)模板圖像Π8運用邏輯非運算，再與步驟S5得到的圖像f7邏輯與運算，獲得最終的邊緣圖像Π9 ；
[0016]優(yōu)選地，S4中所述對圖像f4進(jìn)行外部偽邊緣處理，得到用于擦除外部偽邊緣的外模板區(qū)域圖像f6包括:
[0017]S4.1.以半徑為NI個像素的圓形為結(jié)構(gòu)元，用該結(jié)構(gòu)元對圖像f4實施形態(tài)學(xué)腐蝕操作，其中NI為正整數(shù)；
[0018]S4.2.填充經(jīng)S4.1得到的圖像中由于腐蝕操作造成的孔洞；
[0019]S4.3.選取經(jīng)S4.2得到的圖像中面積最大的連通區(qū)域；
[0020]S4.4.以半徑為N2個像素的圓形為結(jié)構(gòu)元，用該結(jié)構(gòu)元對S4.3選取的最大連通區(qū)域進(jìn)行形態(tài)學(xué)腐蝕操作，其中N2為正整數(shù)；
[0021]S4.5.選取經(jīng)S4.4得到的圖像中面積最大的連通區(qū)域；
[0022]S4.6.以半徑為N3個像素的圓形為結(jié)構(gòu)元，用該結(jié)構(gòu)元對S4.5選取的最大連通區(qū)域進(jìn)行形態(tài)學(xué)膨脹操作，得到用來擦除外部偽邊緣的外模板圖像f6，其中N3為正整數(shù)，且N3大于N2和NI之和；
[0023]優(yōu)選地，NI等于2，N2等于4，N4等于8。
[0024]優(yōu)選地，所述對圖像f5進(jìn)行內(nèi)部輪廓處理，得到用于擦除內(nèi)部偽邊緣的內(nèi)模板圖像fl8包括:
[0025]S6.1.對步驟S3獲取的高尺度閾值圖像f5進(jìn)行第二類偽邊緣處理，得到用以擦除第二類偽邊緣的圖像fl I;
[0026]S6.2.對圖像f5進(jìn)行第三類偽邊緣處理，得到用以擦除第三類偽邊緣的圖像fl6 ；
[0027]S6.3.對S6.1得到的圖像Π1和S6.2得到的圖像Π6進(jìn)行處理，得到用于擦除內(nèi)部偽邊緣的圖像f 18;
[0028]優(yōu)選地，S6.1所述對圖像f5進(jìn)行第二類偽邊緣處理，得到擦除第二類偽邊緣的圖像Π1包括:
[0029]S6.1.1.構(gòu)造半徑為N4的圓形結(jié)構(gòu)元，用該結(jié)構(gòu)元對圖像f5實施形態(tài)學(xué)腐蝕操作，以斷開粘連，其中N4為正整數(shù)；
[0030]S6.1.2.填充經(jīng)S6.1.1得到的圖像的孔洞，選取面積最大的連通區(qū)域；
[0031]S6.1.3.構(gòu)造半徑為N5的圓形結(jié)構(gòu)元，用此結(jié)構(gòu)元對經(jīng)S6.1.2選取的最大面積連通域?qū)嵭行螒B(tài)學(xué)膨脹操作，得到圖像f8，其中N5為正整數(shù)；
[0032]S6.1.4.以步驟S6.1.3獲得的圖像f8為掩膜對步驟S2得到的圖像f2進(jìn)行第二次OTSU閾值分割，得到圖像f9 ；
[0033]S6.1.5.對閾值圖像f9和步驟S5得到的圖像f7，用圖像f7邏輯異或圖像f9，從而用圖像f7中的邊緣連接圖像f9中分離的區(qū)域；
[0034]S6.1.6.填充經(jīng)S6.1.5得到的圖像的內(nèi)部孔洞，然后選取面積最大的連通區(qū)域，將該連通區(qū)域作為用以擦除第二類偽邊緣的內(nèi)模板高光區(qū)域圖像fll。
[0035]優(yōu)選地，N4等于6，N5等于3。
[0036]優(yōu)選地，所述對第五圖像f5進(jìn)行第三類偽邊緣處理，得到用以擦除第三類偽邊緣的圖像f 16包括:
[0037]S6.2.1.將S6.1.3中獲取的圖像f8除去S6.1.4中所獲取的高光部分圖像f9之后剩余的區(qū)域記為圖像f 10;
[0038]S6.2.2.對于圖像f 10以及步驟S5得到的邊緣圖像f7，構(gòu)造水平方向和垂直方向的四個臂部各為N6個像素的線性十字結(jié)構(gòu)元即以要膨脹的那個像素為中心，水平和垂直單像素延伸的線性十字狀結(jié)構(gòu)元；用該結(jié)構(gòu)元對圖像f7實行形態(tài)學(xué)膨脹操作，從而連接低尺度下斷開的細(xì)碎canny邊緣，其中N6為正整數(shù)；
[0039]S6.2.3.對經(jīng)S6.2.2得到的圖像實行形態(tài)學(xué)細(xì)化操作，得到圖像Π2 ；
[0040]S6.2.4.將步驟S6.2.1得到的圖像HO進(jìn)行邏輯非運算，再與第圖像Π2進(jìn)行邏輯與運算，以獲取圖像Π2在圖像HO中的部分邊緣子圖像，記得到的內(nèi)部邊緣的圖像為圖像 fl3 ；
[0041]S6.2.5.將圖像fl3的邊緣與圖像HO的邊緣進(jìn)行邏輯與運算，從而保留了細(xì)化的邊緣和位于圖像f1內(nèi)部的紋理，實現(xiàn)對圖像Π3的閉合，得到圖像Π4 ；
[0042]S6.2.6.構(gòu)造半徑為N7的圓形結(jié)構(gòu)元，用此結(jié)構(gòu)元對圖像HO實施形態(tài)學(xué)腐蝕操作，再與圖像f 14按位邏輯異或運算，以連接f 10中的碎片塊，同時分割外部粘連，記得到的圖像為Π5，其中N7為正整數(shù)；
[0043]S6.2.7.填充圖像Π5中的孔洞，選取面積最大的連通區(qū)域作為圖像fl6，fl6為擦除第三類邊緣的內(nèi)部紋理模板。
[0044]優(yōu)選地，N6等于4，N7等于4。
[0045]優(yōu)選地，所述對圖像fll和圖像Π6進(jìn)行處理，得到用于擦除內(nèi)部偽邊緣的圖像Π8包括:
[0046]S6.3.1.將步驟S6.1中獲取的圖像fll和步驟S6.2獲取的圖像Π6進(jìn)行邏輯與運算，得到圖像Π7;
[0047]S6.3.2.填充S6.3.1中得到的圖像Π7中的內(nèi)部孔洞；
[0048]S6.3.3.構(gòu)造半徑為N8個像素的圓形作為結(jié)構(gòu)元，用該結(jié)構(gòu)元對經(jīng)S6.3.2得到的圖像進(jìn)行形態(tài)學(xué)腐蝕操作，得到用于擦除內(nèi)部偽邊緣的內(nèi)模板圖像Π8，其中NS為正整數(shù)。
[0049]優(yōu)選地，N8等于2。
[0050]本發(fā)明還提供一種基于多尺度分析的溫室田間植物田間葉片邊緣提取系統(tǒng)，該系統(tǒng)包括:
[0051]預(yù)處理模塊:用于葉片子圖獲取和濾波，包括:首先圖像采集設(shè)備獲取植物葉片的原始圖像；利用與葉片大小相近的窗口，以特定步長，遍歷裁切葉片原始圖像，獲得包含單個葉片的子區(qū)域作為目標(biāo)子圖像；獲得葉片子圖之后，轉(zhuǎn)化為灰度圖，對灰度圖像進(jìn)行wiener濾波處理,去除圖像的噪聲；
[0052]外部輪廓處理模塊，對第一類偽邊緣進(jìn)行處理，對原圖進(jìn)行db5小波分解，在第一尺度上進(jìn)行重構(gòu)和canny分割以及第一次OTSU分割；獲得邊緣圖像和區(qū)域圖像，對獲取的區(qū)域圖像進(jìn)行形態(tài)學(xué)處理，獲得用以除去外部粘連的外模板圖像，外模板圖像與邊緣圖像邏輯運算，獲得用以擦去外部粘連的canny邊緣圖像；
[0053]內(nèi)部高光即二次OTSU的前景部分區(qū)域處理模塊，對第二類偽邊緣進(jìn)行處理，將高光區(qū)域和部分canny邊緣圖像進(jìn)行邏輯異或運算，即用部分原始canny邊緣拼接斷開的部分，對邏輯運算后的圖像填洞并取面積最大的連通區(qū)域為第二類目標(biāo)內(nèi)部高亮區(qū)；對該高亮區(qū)邏輯非操作后與canny邊緣邏輯與，獲得擦除葉片內(nèi)部高亮區(qū)偽邊緣的圖像；
[0054]內(nèi)部紋理偽邊緣處理模塊，對第三類偽邊緣進(jìn)行處理，對canny邊緣膨脹后細(xì)化，采用邏輯異或運算用細(xì)化的canny封閉邊緣將第三類目標(biāo)區(qū)域的不同的區(qū)塊連接，并切割外部粘連；對獲得的圖像進(jìn)行填洞，再腐蝕操作，取面積最大連通區(qū)域作為第三類目標(biāo)區(qū)域即除去偽邊緣的圖像區(qū)域；
[0055]葉片整體邊緣獲取模塊，對所獲取的內(nèi)部高光區(qū)域和去除第三類偽邊緣的內(nèi)部區(qū)域進(jìn)行邏輯與運算，對得到的圖像形態(tài)學(xué)填充之后，再進(jìn)行形態(tài)學(xué)腐蝕操作，所獲取的圖像即為內(nèi)模板區(qū)域，將該區(qū)域圖像邏輯非之后再和去除外部偽邊緣得到的邊緣圖像邏輯與運算，所得到的圖像即為最終葉片整體邊緣圖像。
[0056]本發(fā)明還提供一種基于多尺度分析的溫室田間植物田間葉片邊緣提取系統(tǒng)，其特征在于，該系統(tǒng)包括:
[0057]Canny連接模塊:用于以canny邊緣連接碎塊區(qū)域，以獲得用于去除canny邊緣內(nèi)部偽邊緣干擾的內(nèi)模板，包括:以部分原始的canny邊緣線與對二次OTSU的前景區(qū)域進(jìn)行邏輯異或運算，連接二次OTSU的前景區(qū)域的內(nèi)部碎塊，填充邏輯運算后圖像內(nèi)部的孔洞，以獲取前景最大連通區(qū)域；通過構(gòu)造線性十字結(jié)構(gòu)元對canny邊緣進(jìn)行膨脹，再對膨脹之后的圖像進(jìn)行無限次細(xì)化操作獲取二次OTSU的背景區(qū)域的內(nèi)部細(xì)化邊緣；通過該邊緣與二次OTSU的背景區(qū)域的外邊緣的邏輯與的封閉邊緣線，對該背景區(qū)域進(jìn)行邏輯異或運算，即由canny細(xì)化后的封閉邊緣線連接該區(qū)域的圖像碎塊，且分割外部粘連；然后填充運算后圖像內(nèi)部的孔洞，以獲取去除外部粘連和連接內(nèi)部碎塊的背景連通區(qū)域；
[0058]尺度分析模塊:將多尺度分析作為研究圖像特征的工具，首先在不同尺度空間上，用不同的分割方法對應(yīng)的圖像特征進(jìn)行差異研究，提煉多尺度上圖像特征的不同表達(dá)；通過利用形態(tài)學(xué)操作和邏輯運算，將不同單一尺度上的圖像按位運算，解析出去除外部和內(nèi)部偽邊緣的葉片圖像完整邊緣。
[0059]優(yōu)選地，還包括:分類處理模塊，用于將低尺度下較為精細(xì)的偽邊緣及其區(qū)域分為三大類:第一類偽邊緣及區(qū)域:真實葉片外部的偽邊緣，即第一次OTSU處理后的背景部分的偽邊緣及區(qū)域；第二類偽邊緣及區(qū)域:真實葉片內(nèi)部且亮度稍高的灰階均勻區(qū)域的偽邊緣，即二次OTSU處理后的前景的偽邊緣及區(qū)域:其亮度比一次OTSU處理得到的前景部分亮度稍高，為一次OTSU處理所得到的前景的一部分；第三類邊緣及區(qū)域:真實葉片內(nèi)部灰度差異較大的紋理偽邊緣，即該區(qū)域是二次OTSU處理所得到的背景，它也是一次類間方差的前景的一部分，視覺表現(xiàn)為內(nèi)部灰度差異較大；然后用于針對這三類不同的偽邊緣的性質(zhì)特征采用不同的處理方法，最后獲得不包含以上三類偽邊緣的真實邊緣。
[0060](三)有益效果
[0061]本發(fā)明的方法針對草莓葉片形態(tài)各異、背景復(fù)雜且相互交疊，以及溫室黑色薄膜的反射造成葉片局部不均勻光照所造成的溫室田間植物葉片分割結(jié)果不理想的情況，以及由于葉片自身紋理清晰，梯度變化較大，對真實邊緣的檢測也有所干擾的現(xiàn)狀，提出了一種基于多尺度分析的溫室田間植物葉片邊緣提取方法，利用不同尺度空間圖像信息的差異，選擇不同的分割方法，進(jìn)行綜合分析，獲得理想的分割結(jié)果。在獲取實驗圖像后，對圖像進(jìn)行適當(dāng)?shù)钠交瑸V波，針對圖像中存在的不同偽邊緣，以不同的方法進(jìn)行處理除去內(nèi)部和外部偽邊緣，提高了邊緣檢測精確度，降低了葉片識別錯誤率。另外，本發(fā)明還提出的一種新的canny邊緣閉合接邊方式,通過構(gòu)造十字線元結(jié)構(gòu)對canny邊緣進(jìn)行處理,得到的邊緣更為真實準(zhǔn)確。本專利中將多尺度分析作為研究圖像特征的工具，邊緣提取精度高，運算速度快，適用范圍廣。

【專利附圖】

【附圖說明】
[0062]圖1基于多尺度分析的溫室田間植物葉片邊緣提取方法流程圖；
[0063]圖2外部偽邊緣處理流程圖；
[0064]圖3第二類偽邊緣處理流程圖；
[0065]圖4第三類偽邊緣處理流程圖；

【具體實施方式】
[0066]本發(fā)明提出的基于多尺度分析的溫室田間植物葉片邊緣提取算法及其系統(tǒng)，結(jié)合附圖和實施例詳細(xì)說明如下。
[0067]本發(fā)明的方法及其系統(tǒng)通過試驗篩選，針對溫室田間植物葉片形態(tài)各異、背景復(fù)雜且相互交疊，以及溫室黑色薄膜的反射造成葉片局部不均勻光照所造成的溫室田間植物葉片分割結(jié)果不理想的情況，以及由于葉片自身紋理清晰，梯度變化較大，對真實邊緣的檢測也有所干擾的現(xiàn)狀，本發(fā)明所提出的一種基于多尺度分析的溫室田間植物葉片邊緣提取方法及其系統(tǒng)，利用不同尺度空間圖像信息的差異，選擇不同的分割方法，進(jìn)行綜合分析，可完整、準(zhǔn)確、高成功率地提取通過實時在線系統(tǒng)所獲取的植物現(xiàn)場圖像葉片邊緣。其以包含單個葉片的子區(qū)域作為目標(biāo)圖像，將已鎖定在子區(qū)域附近的分割區(qū)域子圖作為處理對象；綜合利用圖形圖像處理算子，對區(qū)域子圖進(jìn)行濾波增強(qiáng)處理；針對不同類型的偽邊緣提出了不同的分割算法，利用形態(tài)學(xué)處理、采用OTSU閾值和canny算子分割相結(jié)合的方法，進(jìn)行提取圖像邊緣的優(yōu)勢互補(bǔ)的邏輯運算處理。
[0068]在下面的實施例中溫室田間植物以草莓為例進(jìn)行說明，本領(lǐng)域技術(shù)人員應(yīng)該理解，本發(fā)明的多尺度分析的溫室田間植物葉片邊緣提取方法及其系統(tǒng)同樣可以適用于其他溫室田間植物。
[0069]如附圖1所示，依照本發(fā)明，一種基于多尺度分析的溫室田間植物葉片邊緣提取方法，包括步驟:
[0070]S1.抓取溫室自然光條件下的草莓圖像，截取圖像，獲得包含單一完整葉片的目標(biāo)子圖像。讀取圖像，轉(zhuǎn)換為灰度圖像后，使用wiener濾波去噪；
[0071]截取包含單一完整葉片的目標(biāo)子圖像的方法為:首先圖像采集設(shè)備獲取植物葉片的原始圖像；利用與葉片大小相近的窗口，以特定步長，遍歷裁切葉片原始圖像，獲得包含單個葉片的子區(qū)域作為目標(biāo)子圖像。
[0072]S2.對SI去噪后的圖像采用四層‘db5’小波分解，并重構(gòu)第一層和第三層圖像，分別記為fl和f2 ；
[0073]S3.對S2獲得的f I使用canny邊緣檢測和OTSU閾值分割，對f2使用OTSU閾值分割，分別記分割后的圖像為f3、f4和f5。其中f3是低尺度的canny邊緣圖像，f4是低尺度的OTSU閾值分割圖像，f5是高尺度的OTSU閾值分割圖像；
[0074]強(qiáng)調(diào)的是，本發(fā)明將低尺度下較為精細(xì)的偽邊緣及其區(qū)域分為三大類:①第一類邊緣及區(qū)域:真實葉片外部的偽邊緣及區(qū)域(第一次類間方差的background(背景)部分的偽邊緣及區(qū)域)；②第二類邊緣及區(qū)域:真實葉片內(nèi)部且亮度稍高的灰階均勻區(qū)域的偽邊緣(第二次類間方差的foreground(前景)的偽邊緣及區(qū)域:其亮度比第一次類間foreground部分亮度稍高,為第一次類間方差的foreground的一部分)！③第三類邊緣及區(qū)域:真實葉片內(nèi)部灰度差異較大的紋理偽邊緣(第二次類間方差的background為第一次類間方差的foreground的一部分，表現(xiàn)為內(nèi)部灰度差異較大)。針對這三類不同的偽邊緣的性質(zhì)特征采用不同的處理方法，最后獲得不包含以上三類偽邊緣的真實邊緣。
[0075]S4.在該步驟中進(jìn)行第一類偽邊緣的處理:對S3得到的低尺度閾值圖像f4進(jìn)行外部偽邊緣處理(詳見圖2及后面對其的相應(yīng)的說明)，得到用于擦除外部偽邊緣的第一類外模板區(qū)域f6 ；
[0076]S5.對S3得到的邊緣圖像f3和S4得到的外模板區(qū)域f6，通過邏輯運算獲得去除外部偽邊緣的邊緣圖像f7。對f6運用邏輯非運算，再與邊緣圖像f3邏輯與，獲得擦除外部偽邊緣的邊緣圖像f7，表達(dá)為:f7 = f3&(?f6)；
[0077]S6.對S3獲取的高尺度閾值圖像f5應(yīng)用內(nèi)部輪廓處理程序，得到用于擦除內(nèi)部偽邊緣的內(nèi)模板區(qū)域Π8 ；
[0078]S7.對S6得到的內(nèi)模板區(qū)域f 18和S5得到的邊緣圖像f7進(jìn)行邏輯運算獲得最終的邊緣圖像Π9:即對內(nèi)模板區(qū)域Π8運用邏輯非運算，再與擦除外部偽邊緣的f7邏輯與運算，獲得最終的邊緣圖像Π9，表達(dá)為:fl9 =(?fl8)&f7。
[0079]如附圖2所示，S4進(jìn)一步包括:
[0080]S4.1.以半徑為2個像素的圓形為結(jié)構(gòu)元，用該結(jié)構(gòu)元對f4實施形態(tài)學(xué)腐蝕操作，斷開較弱的粘連和接觸，在這里，結(jié)構(gòu)元的半徑也可以為其他大?。?br> [0081]S4.2.填充經(jīng)S4.1處理后的圖像中由于腐蝕操作造成的孔洞；
[0082]S4.3.選取面積最大的連通區(qū)域；
[0083]S4.4.以半徑為4個像素的圓形為結(jié)構(gòu)元，用該結(jié)構(gòu)元對最大連通區(qū)域進(jìn)行形態(tài)學(xué)腐蝕操作，斷開較強(qiáng)的粘連和接觸；在這里，結(jié)構(gòu)元的半徑也可以為其他大小。
[0084]S4.5.選取步驟4.4處理后得到的圖像中的面積最大的連通區(qū)域；
[0085]S4.6.以半徑為8的圓形為結(jié)構(gòu)元，用該結(jié)構(gòu)元對最大連通區(qū)域進(jìn)行形態(tài)學(xué)膨脹操作，將這個比真實邊緣大2個像素的區(qū)域作為用來擦除外部偽邊緣的外模板f6，在這里，該結(jié)構(gòu)元的半徑也可以為其他大小，
[0086]其中，S6具體包括:
[0087]S6.1.對第二類偽邊緣的處理:對步驟S3得到的高尺度閾值圖像f5進(jìn)行內(nèi)部輪廓處理，得到擦除第二類偽邊緣的內(nèi)模板高光區(qū)域圖像fll ；
[0088]S6.2.對步驟S3得到的高尺度閾值圖像f5進(jìn)行第三類偽邊緣處理，得到用以擦除第三類偽邊緣的內(nèi)部紋理模板Π6 ；
[0089]S6.3.通過對fll和Π6進(jìn)行處理，得到用于擦除內(nèi)部偽邊緣的內(nèi)模板區(qū)域Π8 ；
[0090]如附圖3所示，步驟S6.1具體包括:
[0091]S6.1.1.對于S3獲取的高尺度OTSU閾值分割圖像f5，構(gòu)造半徑為6的圓形結(jié)構(gòu)元，用該結(jié)構(gòu)元對f5實施形態(tài)學(xué)腐蝕操作，斷開粘連；
[0092]S6.1.2.填充斷開粘連之后圖像的孔洞，取面積最大的連通區(qū)域；
[0093]S6.1.3.構(gòu)造半徑為3的圓形結(jié)構(gòu)元，對最大面積連通域?qū)嵭行螒B(tài)學(xué)膨脹操作，記處理后圖像為f8，在這里，該結(jié)構(gòu)元的半徑也可以為其他大??；
[0094]S6.1.4.以f8為掩膜對S2得到的重構(gòu)圖像f2進(jìn)行二次OTSU閾值分割，記為f9 ；
[0095]S6.1.5.對于二次OTSU分割后得到的閾值圖像f9和除去外部偽邊緣的邊緣圖像f7，用f7邏輯異或f9，用f7中的邊緣連接f9中分離的區(qū)域，同時可以切割外部粘連，表達(dá)為:f7~f9 ;此處用canny邊緣實現(xiàn)接線:用f7的邊緣(original邊緣的一部分,是用f6取出的:f7 = f6&f3)連接f9內(nèi)部的碎塊，同時切割外部粘連；
[0096]S6.1.6.填充S6.1.5中產(chǎn)生的內(nèi)部孔洞，并取面積最大的連通區(qū)域，將該區(qū)域作為擦除第二類偽邊緣的內(nèi)模板高光區(qū)域圖像fll ；
[0097]如附圖4所示，對第三類偽邊緣的處理進(jìn)一步包括:
[0098]S6.2.1.將S6.1.4中f8除去高亮區(qū)域f9剩余的區(qū)域記為HO ；
[0099]S6.2.2.對于f 10以及除去外部偽邊緣的邊緣圖像f7，構(gòu)造水平垂直各4個像素的線性十字結(jié)構(gòu)元即以要膨脹的那個像素為中心，水平和垂直單像素延伸的線性十字狀結(jié)構(gòu)元。對圖像f7實行形態(tài)學(xué)膨脹操作，連接低尺度下斷開的細(xì)碎canny邊緣；
[0100]S6.2.3.對相互連接的膨脹邊緣實行形態(tài)學(xué)細(xì)化操作，記圖像為Π2 ；
[0101]S6.2.4.獲取細(xì)化邊緣圖像fl2在flO中的部分邊緣子圖像，記該內(nèi)部邊緣的圖像為 Π3，表達(dá)為:fl3 = fl2&(?HO)；
[0102]S6.2.5.將Π3的邊緣與HO的邊緣疊加，從而保留了細(xì)化的邊緣和位于HO內(nèi)部的紋理，實現(xiàn)對fl3的閉合，記此時得到的圖像為Π4，表達(dá)為:fl4 = fl3&(fl0的邊緣線)；
[0103]S6.2.6.將HO腐蝕四個像素后，與圖像Π4邏輯異或運算，以連接HO中的碎片塊，同時分割外部粘連，此時記得到的圖像為Π5 ;表達(dá)為:fl5 = fl0~fl4 ；
[0104]S6.2.7.填充圖像fl5中的孔洞，并取面積最大的連通區(qū)域，記圖像為Π6，將Π6作為擦除第三類邊緣的內(nèi)部紋理模板；
[0105]其中，內(nèi)模板圖像Π8獲取步驟進(jìn)一步包括:
[0106]S6.3.1.將S6.1中獲取的葉片內(nèi)部高光圖像fll和S6.2獲取的內(nèi)部紋理模板Π6區(qū)域相加，得到圖像f 17，表達(dá)為:fl7 = Π6&Π1 ；
[0107]S6.3.2.填充圖像H7中產(chǎn)生的內(nèi)部孔洞；
[0108]S6.3.3.構(gòu)造半徑為2的圓形為結(jié)構(gòu)元，用該結(jié)構(gòu)元對填洞后的圖像實行形態(tài)學(xué)腐蝕操作，得到比真實邊緣小2個像素的，用于擦除內(nèi)部偽邊緣的內(nèi)模板圖像Π8，在這里，該結(jié)構(gòu)元的半徑也可以為其他大小。
[0109]形態(tài)學(xué)腐蝕與膨脹指的是:以自己定義的某個結(jié)構(gòu)作為結(jié)構(gòu)元，利用這個結(jié)構(gòu)元的大小為基準(zhǔn)腐蝕或者膨脹像素值。腐蝕就是使原圖像的每個像素的像素值與結(jié)構(gòu)元每個像素的像素值按照一定的規(guī)則相減，膨脹就是使像素值增加。形態(tài)學(xué)細(xì)化就是去除所提取出的邊緣圖像的細(xì)小分枝。形態(tài)學(xué)細(xì)化就是去除所提取出的邊緣圖像的細(xì)小分枝。
[0110]本發(fā)明還提出了一種基于多尺度分析的溫室田間植物葉片邊緣提取系統(tǒng)，該系統(tǒng)包括:
[0111]預(yù)處理模塊:葉片子圖獲取和濾波，包括:首先圖像采集設(shè)備獲取植物葉片的原始圖像；利用與葉片大小相近的窗口，以特定步長，遍歷裁切葉片原始圖像，獲得包含單個葉片的子區(qū)域作為目標(biāo)子圖像。獲得葉片子圖之后，轉(zhuǎn)化為灰度圖，對灰度圖像進(jìn)行Wiener濾波處理，去除圖像的噪聲。
[0112]外部輪廓處理模塊，對第一類偽邊緣進(jìn)行處理，對原灰度圖像進(jìn)行db5小波分解，在第一尺度上進(jìn)行重構(gòu)和canny分割以及第一次OTSU分割，獲得邊緣圖像和區(qū)域圖像，對獲取的區(qū)域圖像進(jìn)行形態(tài)學(xué)處理，獲得用以除去外部粘連的外模板圖像，外模板圖像與邊緣圖像邏輯運算，獲得擦去外部粘連的canny邊緣圖像。
[0113]內(nèi)部高光區(qū)域處理模塊，對第二類偽邊緣進(jìn)行處理，將高光區(qū)域和canny邊緣圖像進(jìn)行邏輯異或運算，即用部分原始canny邊緣拼接斷開的部分。對邏輯運算后的圖像填洞并取面積最大的連通區(qū)域為第二類目標(biāo)內(nèi)部高亮區(qū)，對該高亮區(qū)邏輯非操作后與canny邊緣邏輯與，獲得擦除葉片內(nèi)部高亮區(qū)偽邊緣的圖像。
[0114]內(nèi)部紋理偽邊緣處理模塊，對第三類偽邊緣進(jìn)行處理，對canny邊緣膨脹后細(xì)化，采用異或邏輯運算用細(xì)化canny封閉邊緣將第三類目標(biāo)區(qū)域的不同的區(qū)塊連接，并切割外部粘連。對獲得的圖像進(jìn)行填洞，再腐蝕操作，取面積最大連通區(qū)域作為第三類目標(biāo)區(qū)域即除去偽邊緣的圖像區(qū)域。
[0115]葉片整體邊緣獲取模塊:對所獲取的內(nèi)部高光區(qū)域和去除第三類偽邊緣的內(nèi)部區(qū)域進(jìn)行邏輯與運算，對得到的圖像形態(tài)學(xué)填充之后，再進(jìn)行形態(tài)學(xué)腐蝕操作，所獲取的圖像即為內(nèi)模板區(qū)域，將該區(qū)域圖像邏輯非之后再和去除外部偽邊緣得到的邊緣圖像邏輯與運算，所得到的圖像即為最終葉片整體邊緣圖像。
[0116]本發(fā)明還提出了一種基于多尺度分析的溫室植物田間葉片邊緣提取系統(tǒng)，其特征在于，該系統(tǒng)包括:
[0117](I)Canny連接模塊:提出了一種新的運用canny邊緣連接碎塊區(qū)域的方法，以獲得可以用于去除canny邊緣內(nèi)部偽邊緣干擾的內(nèi)模板。
[0118]以部分原始的canny邊緣線與對二次OTSU的foreground區(qū)域進(jìn)行邏輯異或運算，連接二次OTSU的foreground區(qū)域的內(nèi)部碎塊,填充邏輯運算后圖像內(nèi)部的孔洞，以獲取foreground最大連通區(qū)域。
[0119]通過構(gòu)造線性十字結(jié)構(gòu)元對canny邊緣進(jìn)行膨脹，再對膨脹之后的圖像進(jìn)行無限次細(xì)化操作獲取二次OTSU的background區(qū)域的內(nèi)部細(xì)化邊緣。通過該邊緣與二次OTSU的background區(qū)域的外邊緣的邏輯與的封閉邊緣線。運用該細(xì)化的封閉邊緣線對該background區(qū)域進(jìn)行邏輯異或運算，然后填充運算后圖像內(nèi)部的孔洞，以獲取去除外部粘連和連接內(nèi)部碎塊的background連通區(qū)域。
[0120](2)尺度分析模塊:將多尺度分析作為研究圖像特征的工具，首先在不同尺度空間上，用不同的分割方法對應(yīng)的圖像特征進(jìn)行差異研究，提煉多尺度上圖像特征的不同表達(dá)。通過利用形態(tài)學(xué)操作和邏輯運算，將不同單一尺度上的圖像按位運算，解析出去除外部和內(nèi)部偽邊緣的葉片圖像完整邊緣。
[0121]該系統(tǒng)還可以包括:
[0122]分類處理模塊，用于將低尺度下較為精細(xì)的偽邊緣及其區(qū)域分為三大類:①第一類偽邊緣及區(qū)域:真實葉片外部的偽邊緣(第一次類間方差OTSU處理后的background部分的偽邊緣及區(qū)域)第二類偽邊緣及區(qū)域:真實葉片內(nèi)部且亮度稍高的灰階均勻區(qū)域的偽邊緣(二次類間方差OTSU處理后的foreground的偽邊緣及區(qū)域:其亮度比一次類間方差得到的foreground部分亮度稍高,為一次類間方差所得到的foreground的一部分);③第三類邊緣及區(qū)域:真實葉片內(nèi)部灰度差異較大的紋理偽邊緣(該區(qū)域是二次類間方差所得到的background,它也是一次類間方差的foreground的一部分,視覺表現(xiàn)為內(nèi)部灰度差異較大)。針對這三類不同的偽邊緣的性質(zhì)特征采用不同的處理方法，最后獲得不包含以上三類偽邊緣的真實邊緣。
[0123]本發(fā)明所提出的基于多尺度分析的溫室田間植物葉片邊緣提取方法及其系統(tǒng)，具有以下優(yōu)點:
[0124]在獲取實驗圖像后，對圖像進(jìn)行適當(dāng)?shù)钠交瑸V波。針對圖像中存在的不同類型的偽邊緣，對圖像中的偽邊緣進(jìn)行分類處理。并運用尺度分析的方法，在不同的單一尺度上按位以不同的方法進(jìn)行處理除去內(nèi)部和外部偽邊緣，提高了邊緣檢測精確度，降低了葉片識別錯誤率。另外，本發(fā)明還提出的一種新的運用canny邊緣連接碎塊區(qū)域的方法。并通過構(gòu)造十字線元結(jié)構(gòu)對canny邊緣進(jìn)行處理，得到的用以連接區(qū)域碎塊的封閉邊緣。使得所獲得葉片目標(biāo)整體邊緣更為真實準(zhǔn)確。本專利中將多尺度分析作為研究圖像特征的工具，邊緣提取精度高，運算速度快，適用范圍廣。
[0125]本發(fā)明的所提出的基于多尺度分析的溫室田間植物葉片邊緣提取方法，可以通過各種硬件、軟件和固件實現(xiàn)，例如可以在MATLAB中進(jìn)行圖像處理來完成本發(fā)明的方法，但本發(fā)明不限于此。
[0126]以上實施方式僅用于說明本發(fā)明，而并非對本發(fā)明的限制，有關(guān)【技術(shù)領(lǐng)域】的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明的范疇，本發(fā)明的專利保護(hù)范圍應(yīng)由權(quán)利要求限定。
【權(quán)利要求】
1.一種基于多尺度分析的溫室田間植物葉片邊緣提取方法，其特征在于，該方法包括步驟: 51.抓取溫室田間植物圖像，截取包含單一完整葉片的目標(biāo)子圖像，將所述目標(biāo)子圖像轉(zhuǎn)換為灰度圖像，使用wiener濾波去噪； 52.對SI去噪后獲得的圖像采用四層‘db5’小波分解，并重構(gòu)第一層圖像得到圖像fl，重構(gòu)第三層圖像得到圖像f2; 53.對步驟S2獲得的圖像fl使用canny邊緣檢測得到低尺度邊緣圖像f3，使用OTSU閾值分割得到低尺度的OTSU閾值分割圖像f4，對步驟S2獲得的圖像f2使用OTSU閾值分割得到高尺度的閾值分割圖像f5 ； 54.第一類偽邊緣的處理:對步驟S3得到的低尺度閾值圖像f4進(jìn)行外部偽邊緣處理，得到用于擦除外部偽邊緣的外模板區(qū)域圖像f6 ； 55.對步驟S4得到的圖像f6運用邏輯非運算后再與步驟S3得到的邊緣圖像f3邏輯與，獲得擦除外部偽邊緣的圖像f7 ； 56.對步驟S3獲取的高尺度閾值圖像f5進(jìn)行內(nèi)部輪廓處理，得到用于擦除內(nèi)部偽邊緣的內(nèi)模板圖像f 18 ； 57.對步驟S6得到的內(nèi)模板圖像Π8運用邏輯非運算，再與步驟S5得到的圖像f7邏輯與運算，獲得最終的邊緣圖像Π9。
2.如權(quán)利要求1所述的基于多尺度分析的溫室田間植物葉片邊緣提取方法，其特征在于，S4中所述對圖像f4進(jìn)行外部偽邊緣處理，得到用于擦除外部偽邊緣的外模板區(qū)域圖像f6包括: S4.1.以半徑為NI個像素的圓形為結(jié)構(gòu)元，用該結(jié)構(gòu)元對圖像f4實施形態(tài)學(xué)腐蝕操作，其中NI為正整數(shù)； S4.2.填充經(jīng)S4.1得到的圖像中由于腐蝕操作造成的孔洞； S4.3.選取經(jīng)S4.2得到的圖像中面積最大的連通區(qū)域； S4.4.以半徑為N2個像素的圓形為結(jié)構(gòu)元，用該結(jié)構(gòu)元對S4.3選取的最大連通區(qū)域進(jìn)行形態(tài)學(xué)腐蝕操作，其中N2為正整數(shù)； S4.5.選取經(jīng)S4.4得到的圖像中面積最大的連通區(qū)域； S4.6.以半徑為N3個像素的圓形為結(jié)構(gòu)元，用該結(jié)構(gòu)元對S4.5選取的最大連通區(qū)域進(jìn)行形態(tài)學(xué)膨脹操作，得到用來擦除外部偽邊緣的外模板圖像f6，其中N3為正整數(shù)，且N3大于N2和NI之和。
3.如權(quán)利要求2所述的基于多尺度分析的溫室田間植物葉片邊緣提取方法，其特征在于，NI等于2，N2等于4，N4等于8。
4.如權(quán)利要求1中所述的基于多尺度分析的溫室田間植物葉片邊緣提取方法，其特征在于，所述對圖像f5進(jìn)行內(nèi)部輪廓處理，得到用于擦除內(nèi)部偽邊緣的內(nèi)模板圖像Π8包括: S6.1.對步驟S3獲取的高尺度閾值圖像f5進(jìn)行第二類偽邊緣處理，得到用以擦除第二類偽邊緣的圖像f 11 ； S6.2.對圖像f5進(jìn)行第三類偽邊緣處理，得到用以擦除第三類偽邊緣的圖像Π6 ； S6.3.對S6.1得到的圖像Hl和S6.2得到的圖像Π6進(jìn)行處理，得到用于擦除內(nèi)部偽邊緣的圖像fl8。
5.如權(quán)利要求4所述的基于多尺度分析的溫室田間植物葉片邊緣提取方法，其特征在于，S6.1所述對圖像f5進(jìn)行第二類偽邊緣處理，得到擦除第二類偽邊緣的圖像Π1包括: S6.1.1.構(gòu)造半徑為N4的圓形結(jié)構(gòu)元，用該結(jié)構(gòu)元對圖像f5實施形態(tài)學(xué)腐蝕操作，以斷開粘連，其中N4為正整數(shù)； S6.1.2.填充經(jīng)S6.1.1得到的圖像的孔洞，選取面積最大的連通區(qū)域； S6.1.3.構(gòu)造半徑為N5的圓形結(jié)構(gòu)元，用此結(jié)構(gòu)元對經(jīng)S6.1.2選取的最大面積連通域?qū)嵭行螒B(tài)學(xué)膨脹操作，得到圖像f8，其中N5為正整數(shù)； S6.1.4.以步驟S6.1.3獲得的圖像f8為掩膜對步驟S2得到的圖像f2進(jìn)行第二次OTSU閾值分割，得到圖像f9 ； S6.1.5.對閾值圖像f9和步驟S5得到的圖像f7，用圖像f7邏輯異或圖像f9，從而用圖像f7中的邊緣連接圖像f9中分離的區(qū)域； S6.1.6.填充經(jīng)S6.1.5得到的圖像的內(nèi)部孔洞，然后選取面積最大的連通區(qū)域，將該連通區(qū)域作為用以擦除第二類偽邊緣的內(nèi)模板高光區(qū)域圖像fll。
6.如權(quán)利要求5所述的基于多尺度分析的溫室田間植物葉片邊緣提取方法，其特征在于，N4等于6，N5等于3。
7.如權(quán)利要求4所述的基于多尺度分析的溫室田間植物葉片邊緣提取方法，其特征在于，所述對第五圖像f5進(jìn)行第三類偽邊緣處理，得到用以擦除第三類偽邊緣的圖像Π6包括: S6.2.1.將S6.1.3中獲取的圖像f8除去S6.1.4中所獲取的高光部分圖像f9之后剩余的區(qū)域記為圖像f 10; S6.2.2.對于圖像HO以及步驟S5得到的邊緣圖像f7，構(gòu)造水平方向和垂直方向的四個臂部各為N6個像素的線性十字結(jié)構(gòu)元，即構(gòu)造以要膨脹的那個像素為中心、水平和垂直四個方向延伸N6個單像素的線性十字狀結(jié)構(gòu)元；用該結(jié)構(gòu)元對圖像f7實行形態(tài)學(xué)膨脹操作，從而連接低尺度下斷開的細(xì)碎canny邊緣，其中N6為正整數(shù)； S6.2.3.對經(jīng)S6.2.2得到的圖像實行形態(tài)學(xué)細(xì)化操作，得到圖像Π2 ； S6.2.4.將步驟S6.2.1得到的圖像HO進(jìn)行邏輯非運算，再與第圖像Π2進(jìn)行邏輯與運算，以獲取圖像Π2在圖像HO中的部分邊緣子圖像，記得到的內(nèi)部邊緣的圖像為圖像fl3 ； S6.2.5.將圖像fl3的邊緣與圖像HO的邊緣進(jìn)行邏輯與運算，從而保留了細(xì)化的邊緣和位于圖像HO內(nèi)部的紋理，實現(xiàn)對圖像f 13的閉合，得到圖像f 14; S6.2.6.構(gòu)造半徑為N7的圓形結(jié)構(gòu)元，用此結(jié)構(gòu)元對圖像f 10實施形態(tài)學(xué)腐蝕操作，再與圖像Π4按位邏輯異或運算，以連接HO中的碎片塊，同時分割外部粘連，記得到的圖像為Π5，其中N7為正整數(shù)； S6.2.7.填充圖像fl5中的孔洞，選取面積最大的連通區(qū)域作為圖像fl6，fl6為擦除第三類邊緣的內(nèi)部紋理模板。
8.如權(quán)利要求7所述的基于多尺度分析的溫室田間植物葉片邊緣提取方法，其特征在于，N6等于4，N7等于4。
9.如權(quán)利要求4所述的基于多尺度分析的溫室田間植物葉片邊緣提取方法，其特征在于，所述對圖像fll和圖像fl6進(jìn)行處理，得到用于擦除內(nèi)部偽邊緣的圖像Π8包括: S6.3.1.將步驟S6.1中獲取的圖像fll和步驟S6.2獲取的圖像f 16進(jìn)行邏輯與運算，得到圖像Π7; S6.3.2.填充S6.3.1中得到的圖像Π7中的內(nèi)部孔洞； S6.3.3.構(gòu)造半徑為N8個像素的圓形作為結(jié)構(gòu)元，用該結(jié)構(gòu)元對經(jīng)S6.3.2得到的圖像進(jìn)行形態(tài)學(xué)腐蝕操作，得到用于擦除內(nèi)部偽邊緣的內(nèi)模板圖像Π8，其中NS為正整數(shù)。
10.如權(quán)利要求9所述的基于多尺度分析的溫室田間植物葉片邊緣提取方法，其特征在于，N8等于2。
11.一種基于多尺度分析的溫室田間植物田間葉片邊緣提取系統(tǒng)，其特征在于，該系統(tǒng)包括: 預(yù)處理模塊:用于葉片子圖獲取和濾波，包括:首先圖像采集設(shè)備獲取植物葉片的原始圖像；利用與葉片大小相近的窗口，以特定步長，遍歷裁切葉片原始圖像，獲得包含單個葉片的子區(qū)域作為目標(biāo)子圖像；獲得葉片子圖之后，轉(zhuǎn)化為灰度圖，對灰度圖像進(jìn)行wiener濾波處理,去除圖像的噪聲； 外部輪廓處理模塊，對第一類偽邊緣進(jìn)行處理，對原圖進(jìn)行db5小波分解，在第一尺度上進(jìn)行重構(gòu)和canny分割以及第一次OTSU分割；獲得邊緣圖像和區(qū)域圖像，對獲取的區(qū)域圖像進(jìn)行形態(tài)學(xué)處理，獲得用以除去外部粘連的外模板圖像，外模板圖像與邊緣圖像邏輯運算，獲得用以擦去外部粘連的canny邊緣圖像； 內(nèi)部高光即二次OTSU的前景部分區(qū)域處理模塊，對第二類偽邊緣進(jìn)行處理，將高光區(qū)域和部分canny邊緣圖像進(jìn)行邏輯異或運算，即用部分原始canny邊緣拼接斷開的部分，對邏輯運算后的圖像填洞并取面積最大的連通區(qū)域為第二類目標(biāo)內(nèi)部高亮區(qū)；對該高亮區(qū)邏輯非操作后與canny邊緣邏輯與，獲得擦除葉片內(nèi)部高亮區(qū)偽邊緣的圖像； 內(nèi)部紋理偽邊緣處理模塊，對第三類偽邊緣進(jìn)行處理，對canny邊緣膨脹后細(xì)化，采用邏輯異或運算用細(xì)化的canny封閉邊緣將第三類目標(biāo)區(qū)域的不同的區(qū)塊連接，并切割外部粘連；對獲得的圖像進(jìn)行填洞，再腐蝕操作，取面積最大連通區(qū)域作為第三類目標(biāo)區(qū)域即除去偽邊緣的圖像區(qū)域； 葉片整體邊緣獲取模塊，對所獲取的內(nèi)部高光區(qū)域和去除第三類偽邊緣的內(nèi)部區(qū)域進(jìn)行邏輯與運算，對得到的圖像形態(tài)學(xué)填充之后，再進(jìn)行形態(tài)學(xué)腐蝕操作，所獲取的圖像即為內(nèi)模板區(qū)域，將該區(qū)域圖像邏輯非之后再和去除外部偽邊緣得到的邊緣圖像邏輯與運算，所得到的圖像即為最終葉片整體邊緣圖像。
12.一種基于多尺度分析的溫室田間植物田間葉片邊緣提取系統(tǒng)，其特征在于，該系統(tǒng)包括: Canny連接模塊:用于以canny邊緣連接碎塊區(qū)域，以獲得用于去除canny邊緣內(nèi)部偽邊緣干擾的內(nèi)模板，包括:以部分原始的canny邊緣線與對二次OTSU的前景區(qū)域進(jìn)行邏輯異或運算，連接二次OTSU的前景區(qū)域的內(nèi)部碎塊，填充邏輯運算后圖像內(nèi)部的孔洞，以獲取前景最大連通區(qū)域；通過構(gòu)造線性十字結(jié)構(gòu)元對canny邊緣進(jìn)行膨脹，再對膨脹之后的圖像進(jìn)行無限次細(xì)化操作獲取二次OTSU的背景區(qū)域的內(nèi)部細(xì)化邊緣；通過該邊緣與二次OTSU的背景區(qū)域的外邊緣的邏輯與的封閉邊緣線，對該背景區(qū)域進(jìn)行邏輯異或運算，即由canny細(xì)化后的封閉邊緣線連接該區(qū)域的圖像碎塊，且分割外部粘連；然后填充運算后圖像內(nèi)部的孔洞，以獲取去除外部粘連和連接內(nèi)部碎塊的背景連通區(qū)域； 尺度分析模塊:將多尺度分析作為研究圖像特征的工具，首先在不同尺度空間上，用不同的分割方法對應(yīng)的圖像特征進(jìn)行差異研究，提煉多尺度上圖像特征的不同表達(dá)；通過利用形態(tài)學(xué)操作和邏輯運算，將不同單一尺度上的圖像按位運算，解析出去除外部和內(nèi)部偽邊緣的葉片圖像完整邊緣。
13.權(quán)利要求12的基于多尺度分析的溫室田間植物田間葉片邊緣提取系統(tǒng)，其特征在于，還包括:分類處理模塊，用于將低尺度下較為精細(xì)的偽邊緣及其區(qū)域分為三大類--第一類偽邊緣及區(qū)域:真實葉片外部的偽邊緣，即第一次OTSU處理后的背景部分的偽邊緣及區(qū)域；第二類偽邊緣及區(qū)域:真實葉片內(nèi)部且亮度稍高的灰階均勻區(qū)域的偽邊緣，即二次OTSU處理后的前景的偽邊緣及區(qū)域:其亮度比一次OTSU處理得到的前景部分亮度稍高，為一次OTSU處理所得到的前景的一部分；第三類邊緣及區(qū)域:真實葉片內(nèi)部灰度差異較大的紋理偽邊緣，即該區(qū)域是二次OTSU處理所得到的背景，它也是一次類間方差的前景的一部分，視覺表現(xiàn)為內(nèi)部灰度差異較大；然后用于針對這三類不同的偽邊緣的性質(zhì)特征采用不同的處理方法，最后獲得不包含以上三類偽邊緣的真實邊緣。
【文檔編號】G06T5/00GK104318546SQ201410513634
【公開日】2015年1月28日 申請日期:2014年9月29日 優(yōu)先權(quán)日:2014年9月29日
【發(fā)明者】王建侖, 韓彧, 崔曉瑩, 趙霜霜 申請人:中國農(nóng)業(yè)大學(xué)