本申請涉及圖像處理，具體涉及基于紅外圖像的園林病蟲害防治方法。

背景技術(shù)：

1、紅外圖像技術(shù)在園林病蟲害防治中具有非接觸性、快速檢測、精確定位、減少農(nóng)藥使用和提高效率等諸多優(yōu)勢。它能夠通過監(jiān)測植物溫度和生理狀態(tài)變化，早期發(fā)現(xiàn)病蟲害問題，及時采取有效的防治措施，從而提高園林管理的智能化水平，減少環(huán)境污染，并促進可持續(xù)的農(nóng)業(yè)和園藝發(fā)展。

2、然而，往往園林區(qū)域范圍較大，且病蟲害區(qū)域在空間分布上具有不均勻性，許多病蟲害在初期并未顯現(xiàn)出明顯的癥狀，在紅外圖像中并不能引起明顯的溫度變化，因此，如何精確的識別出園林中的病蟲害區(qū)域是目前亟需解決的問題。

技術(shù)實現(xiàn)思路

1、為了解決上述技術(shù)問題，本申請?zhí)峁┗诩t外圖像的園林病蟲害防治方法，以解決現(xiàn)有的問題。

2、本申請的基于紅外圖像的園林病蟲害防治方法采用如下技術(shù)方案：

3、本申請一個實施例提供了基于紅外圖像的園林病蟲害防治方法，該方法包括以下步驟：

4、采集園林的紅外圖像；

5、將紅外圖像劃分為各超像素塊，基于各超像素塊內(nèi)像素值的離散程度與變化的劇烈程度，確定各超像素塊的溫差影響系數(shù)；分析各超像素塊與其鄰近超像素塊之間的灰度差異，結(jié)合所述溫差影響系數(shù)，確定各超像素塊的局部溫差系數(shù)；

6、結(jié)合所述溫差影響系數(shù)與所述局部溫差系數(shù)，確定各超像素塊的溫度特征因子；對各超像素塊進行邊緣檢測，獲取各超像素塊內(nèi)各條邊緣線的相關(guān)超像素塊，分析各超像素塊與其所述相關(guān)超像素塊之間的溫度特征因子的差距，以及所述相關(guān)超像素塊內(nèi)含有對應(yīng)邊緣線上像素點數(shù)量的占比，確定各超像素塊的邊界特征因子；

7、結(jié)合所述溫度特征因子與所述邊界特征因子，確定各超像素塊的病蟲害概率指數(shù)；基于所有超像素塊的病蟲害概率指數(shù)之間的相關(guān)關(guān)系，獲取園林中的病蟲害區(qū)域，對病蟲害進行防治。

8、在其中一種實施例中，所述溫差影響系數(shù)的確定包括：

9、計算各超像素塊內(nèi)所有像素點的灰度均值，計算各超像素塊內(nèi)各像素點的灰度值與所述灰度均值的差異，記為第一差異；

10、根據(jù)各超像素塊內(nèi)各像素點的所述第一差異以及各超像素塊內(nèi)各像素點的梯度，確定各超像素塊的溫差影響系數(shù)，所述溫差影響系數(shù)與各超像素塊內(nèi)各像素點的所述第一差異成正相關(guān)，與各超像素塊內(nèi)各像素點的梯度成負(fù)相關(guān)。

11、在其中一種實施例中，所述溫差影響系數(shù)的計算方式為：

12、；式中，為第s個超像素塊的溫差影響系數(shù)，為第s個超像素塊內(nèi)第i個像素點的灰度值，為第s個超像素塊內(nèi)所有像素點的灰度均值，為第s個超像素塊內(nèi)第i個像素點的梯度大小，c為預(yù)設(shè)大于0的數(shù)值，n為第s個超像素塊內(nèi)所有像素點的數(shù)量。

13、在其中一種實施例中，所述局部溫差系數(shù)的確定包括：

14、計算各超像素塊與其相鄰超像素塊的灰度均值的差值，將所述相鄰超像素塊的溫差影響系數(shù)的倒數(shù)作為所述差值的權(quán)重，將各超像素塊與其所有相鄰超像素塊的所述差值加權(quán)融合，確定各超像素塊的局部溫差系數(shù)。

15、在其中一種實施例中，所述局部溫差系數(shù)的計算方式為：

16、；式中，為第s個超像素塊的局部溫差系數(shù)，為第s個超像素塊的灰度均值，為與第s個超像素塊相鄰的第j個超像素塊的灰度均值，為與第s個超像素塊相鄰的第j個超像素塊的溫差影響系數(shù)，m為與第s個超像素塊相鄰的超像素塊數(shù)量。

17、在其中一種實施例中，所述溫度特征因子為各超像素塊的所述溫差影響系數(shù)與所述局部溫差系數(shù)的乘積。

18、在其中一種實施例中，所述獲取各超像素塊內(nèi)各條邊緣線的相關(guān)超像素塊，包括：

19、針對任一超像素塊內(nèi)的任一條邊緣線，所述任一條邊緣線的相關(guān)超像素塊為除所述任一超像素塊外，存在所述任一條邊緣線上像素點的超像素塊。

20、在其中一種實施例中，所述邊界特征因子的計算方式為：

21、；式中，為第s個超像素塊的邊界特征因子，u為第s個超像素塊內(nèi)的邊緣線數(shù)量，為第s個超像素塊內(nèi)第v條邊緣線上的像素點數(shù)量，為第s個超像素塊內(nèi)第v條邊緣線的相關(guān)超像素塊的數(shù)量，為所述第v條邊緣線的第r個相關(guān)超像素塊內(nèi)位于所述第v條邊緣線上的邊緣像素點數(shù)量，為第s個超像素塊與所述第r個相關(guān)超像素塊的溫度特征因子的差值絕對值。

22、在其中一種實施例中，所述病蟲害概率指數(shù)為各超像素塊的所述溫度特征因子與所述邊界特征因子的乘積。

23、在其中一種實施例中，所述獲取園林中的病蟲害區(qū)域，包括：

24、基于所有超像素塊的病蟲害概率指數(shù)進行聚類，將所有超像素塊劃分為各聚類簇，計算各聚類簇內(nèi)所有超像素塊的病蟲害概率指數(shù)的平均值，所述病蟲害區(qū)域為所述平均值的最大值的聚類簇內(nèi)所有超像素塊在園林中的對應(yīng)區(qū)域。

25、本申請至少具有如下有益效果：

26、本申請通過采集園林的紅外圖像；將紅外圖像劃分為各超像素塊，基于各超像素塊內(nèi)像素值的離散程度與變化的劇烈程度，確定各超像素塊的溫差影響系數(shù)；溫差影響系數(shù)反映了各超像素塊內(nèi)溫度變化的混亂程度，體現(xiàn)了超像素塊在園林中對應(yīng)區(qū)域為病蟲害區(qū)域的可能性，提高了病蟲害區(qū)域識別的可靠性，分析各超像素塊與其鄰近超像素塊之間的灰度差異，結(jié)合所述溫差影響系數(shù)，確定各超像素塊的局部溫差系數(shù)；局部溫差系數(shù)反映了各超像素塊與鄰近超像素塊之間溫度的區(qū)別程度，通過對比病蟲害區(qū)域與正常區(qū)域的溫度差異性，以此提高病蟲害區(qū)域識別的精度；結(jié)合所述溫差影響系數(shù)與所述局部溫差系數(shù)，確定各超像素塊的溫度特征因子；溫度特征因子整體從溫度上反映了各超像素塊在園林中對應(yīng)區(qū)域受病蟲害侵襲的程度，對各超像素塊進行邊緣檢測，獲取各超像素塊內(nèi)各條邊緣線的相關(guān)超像素塊，分析各超像素塊與其所述相關(guān)超像素塊之間的溫度特征因子的差距，以及所述相關(guān)超像素塊內(nèi)含有對應(yīng)邊緣線上像素點數(shù)量的占比，確定各超像素塊的邊界特征因子；邊界特征因子從超像素塊中的邊緣信息中反映超像素塊的病蟲害侵襲特征，提高了病蟲害區(qū)域識別的全面性；結(jié)合所述溫度特征因子與所述邊界特征因子，確定各超像素塊的病蟲害概率指數(shù)；基于所有超像素塊的病蟲害概率指數(shù)之間的相關(guān)關(guān)系，獲取園林中的病蟲害區(qū)域，對病蟲害進行防治，提高了病蟲害區(qū)域識別的準(zhǔn)確度，進一步提高了病蟲害防治的及時性。

技術(shù)特征：

1.基于紅外圖像的園林病蟲害防治方法，其特征在于，該方法包括以下步驟：

2.如權(quán)利要求1所述的基于紅外圖像的園林病蟲害防治方法，其特征在于，所述溫差影響系數(shù)的確定包括：

3.如權(quán)利要求2所述的基于紅外圖像的園林病蟲害防治方法，其特征在于，所述溫差影響系數(shù)的計算方式為：

4.如權(quán)利要求1所述的基于紅外圖像的園林病蟲害防治方法，其特征在于，所述局部溫差系數(shù)的確定包括：

5.如權(quán)利要求4所述的基于紅外圖像的園林病蟲害防治方法，其特征在于，所述局部溫差系數(shù)的計算方式為：

6.如權(quán)利要求1所述的基于紅外圖像的園林病蟲害防治方法，其特征在于，所述溫度特征因子為各超像素塊的所述溫差影響系數(shù)與所述局部溫差系數(shù)的乘積。

7.如權(quán)利要求1所述的基于紅外圖像的園林病蟲害防治方法，其特征在于，所述獲取各超像素塊內(nèi)各條邊緣線的相關(guān)超像素塊，包括：

8.如權(quán)利要求1所述的基于紅外圖像的園林病蟲害防治方法，其特征在于，所述邊界特征因子的計算方式為：

9.如權(quán)利要求1所述的基于紅外圖像的園林病蟲害防治方法，其特征在于，所述病蟲害概率指數(shù)為各超像素塊的所述溫度特征因子與所述邊界特征因子的乘積。

10.如權(quán)利要求1所述的基于紅外圖像的園林病蟲害防治方法，其特征在于，所述獲取園林中的病蟲害區(qū)域，包括：

技術(shù)總結(jié)
本申請涉及圖像處理技術(shù)領(lǐng)域，具體涉及基于紅外圖像的園林病蟲害防治方法，該方法包括：采集園林的紅外圖像；將紅外圖像劃分為各超像素塊，基于各超像素塊內(nèi)像素值的離散程度與變化的劇烈程度，確定各超像素塊的溫差影響系數(shù)與局部溫差系數(shù)；得到各超像素塊的溫度特征因子；對各超像素塊進行邊緣檢測，分析各超像素塊內(nèi)各邊緣與其他超像素塊的相交情況，確定各超像素塊的邊界特征因子；結(jié)合所述溫度特征因子與所述邊界特征因子，確定各超像素塊的病蟲害概率指數(shù)；基于所有超像素塊的病蟲害概率指數(shù)之間的相關(guān)關(guān)系，獲取園林中的病蟲害區(qū)域，對病蟲害進行防治。本申請?zhí)岣吡藞@林中病蟲害區(qū)域識別的準(zhǔn)確度。

技術(shù)研發(fā)人員：陳夢姣,朱曉宇,瞿琳音,劉冬媛,郭平通,許暢
受保護的技術(shù)使用者：大連千璽網(wǎng)絡(luò)科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2