一种花卉花朵图像分割提取方法
【专利摘要】本发明提供一种花卉花朵图像分割提取方法，采用改进的主动轮廓模型算法，实现从蝴蝶兰花簇图像中提取单个花朵图像，为自动识别花卉的生长状态奠定基础。首先利用改进的骨架算法和轮廓重生算法，生成花卉花簇的初始轮廓；再利用含有形状能量的主动轮廓模型进行轮廓的演化，使其接近真实的花卉花簇边缘，最后根据花卉花蕊位置获得相应的花卉花朵。实例验证和比对实验结果表明，该算法能够较好的分割和提取蝴蝶兰花簇中单个花朵，并具有较强的抗噪能力。利用本文的方法，可以较好的提取蝴蝶兰花簇中的单个花朵，与人工提取效果进行比对，正确率达到了91.5%。
【专利说明】一种花卉花朵图像分割提取方法
【技术领域】:
[0001]本发明属于图像处理【技术领域】，涉及图像分割方法，特别是主动轮廓模型和骨架算法相结合的花卉图像花朵提取方法，主要用于自然花卉图像的处理，是一种花卉花朵图像分割提取方法。
【背景技术】:
[0002]以蝴蝶兰花卉为例，对蝴蝶兰的花期进行调控是提高蝴蝶兰种植效益的重要手段。通过蝴蝶兰图像信息来识别蝴蝶兰的生长特征，再与蝴蝶兰生长模型进行比对，可确定蝴蝶兰的生长阶段，最后调节蝴蝶兰的温湿度环境参数及水肥使用量，达到调节花期的目的。在蝴蝶兰花期调控过程中，精确识别蝴蝶兰花朵开放特征信息，如开放花朵数目、最大花朵面积等，具有特别重要的作用，据此可以准确调控蝴蝶兰花期的提前还是延后。蝴蝶兰花朵识别过程一般分为两个步骤:首先从自然背景图像中分离出花簇；再从花簇中提取出主要的单个花朵。花簇中的不同花朵具有同质性和重叠性，识别难度极大，本文的方法很好的解决了同质花朵的分割提取问题，为蝴蝶兰的花期调控奠定了基础，也为其他花卉或作物的图像提取，提供了思路。
[0003]目前国内外在花卉图像分割方面，研究主要集中在花朵提取的第一个阶段，SP如何把花簇与复杂背景进行分割，已取得一定的成果。 申请人:前期利用改进的水域分割算法，较好的实现了蝴蝶兰花簇图像与自然背景图像的分割提取。但要实现从蝴蝶兰同质的花簇中分割出单个的花朵，难度很大，研究者甚少。周伟等人曾就花卉图像分类做过研究，柯逍等人也曾就花卉图像检索做过研究，但是这些方法仅仅是对花卉进行特征提取，据此再进行花卉分类和识别，不能满足本文提取单个花朵的需求。在同质图像分割研究方面，多采用主动轮廓模型算法(也称为snake模型)。主动轮廓模型可以按照曲线类型和能量驱动类型进行分类。按曲线类型可分为参数主动轮廓模型和几何主动轮廓模型。前者中的曲线由一些规则排列的不连续的点组成或通过一些基函数描述成一种连续的参数形式，如:B样条和傅里叶指数；后者则是采用曲线进化的思想和水平集的形式来描述曲线的进化。按能量驱动类型可分为基于边缘的主动轮廓模型和基于区域的主动轮廓模型。前者主要是利用图像的梯度信息，驱动主动轮廓使其逼近目标边界，如:唐利明等提出的基于几何活动轮廓模型的多尺度扩散分割算法，Caselles等提出的测地活动轮廓算法；后者则主要利用图像区域信息，控制主动轮廓向其目标边界移动，如Chan等人提出的C-V模型，Li等人提出的可变区域模型RSF。
[0004]在主动轮廓模型中，初始轮廓主要是固定大小和固定位置的圆或者正方形，初始轮廓与期望的图像分割轮廓的距离大小，对图像分割的准确性和效率，具有重要的影响。初始轮廓的获取方法主要有人工法、基于序列图像的预测法和水域分割法。
【发明内容】
:
[0005]本发明提供一种花卉花朵图像分割提取方法，本发明通过分析花朵图像的特性和目前一些分割方法的特点，发现通过修改已有的主动轮廓模型方法，可以解决花朵的提取问题。在进行花朵提取时，初始轮廓与花朵之间的真实边缘距离，越小越好。首先利用改进的骨架算法对花簇图像进行处理，获得接近花朵的真实边界的初始轮廓，在此基础上再进行主动轮廓的迭代，最后根据花蕊的位置来提取期望的单个花朵。根据主动轮廓模型和花蕊位置，解决从蝴蝶兰花簇中提取单个花朵的难题。
[0006]本发明的技术方案如下:
[0007]—种花卉花朵图像分割提取方法，包括如下步骤:
[0008](I)获得初始花卉花簇图像，选取花朵中心位置，然后进行灰度转换；本文采用HSV颜色模型的H分量作为灰度值，因为蝴蝶兰大部分像素为紫色，H值比较高与黑色背景差值大，方便处理。
[0009](2)利用彩色梯度进行图像转换，并将梯度较大的像素直接置成黑色，阈值的选定采用的是局部直方图阈值选取方法；
[0010](3)根据改进的骨架算法计算出图像的骨架以及骨架权值；
[0011](4)根据轮廓重生算法，生成初始轮廓； [0012](5)在生成初始轮廓基础上进行主动轮廓中心迭代，迭代至最终结果；
[0013](6)根据花朵中心所在的位置，保留中心附近的轮廓；
[0014](7)计算各个花蕊所拥有的轮廓的面积，找出最大的并保留下来；就可以得到最大面积的花朵。
[0015]所述步骤(I)所述选取花卉中心位置包括如下步骤:
[0016](2a)计算图像中像素点在HSV空间中的三个通道值，三个通道值分别为H代表色调、S代表饱和度、V代表亮度；(2b)当像素点的H值、S值和V值同时高于一个阈值时，可认定该像素点为花卉中心，H值大于340 ；S值大于0.8 ；V值大于240 ；
[0017]其中步骤(I)所述灰度转换:利用RGB转HSV计算方法，并用H通道值作为亮度产生灰度图，公式如下:
【权利要求】
1.一种花卉花朵图像分割提取方法，其特征是包括如下步骤: (1)获得初始花卉花簇图像，选取花朵中心位置，然后进行灰度转换； (2)利用彩色梯度进行图像转换，并将梯度较大的像素直接置成黑色，阈值的选定采用的是局部直方图阈值选取方法； (3)根据改进的骨架算法计算出图像的骨架以及骨架权值； (4)根据轮廓重生算法，生成初始轮廓； (5)在生成初始轮廓基础上进行主动轮廓中心迭代，迭代至最终结果； (6)根据花朵中心所在的位置，保留中心附近的轮廓； (7)计算各个花蕊所拥有的轮廓的面积，找出最大的并保留下来；就可以得到最大面积的花朵。
2.根据权利要求1所述的花卉花朵图像分割提取方法，所述步骤(I)所述选取花卉中心位置包括如下步骤: (2a)计算图像中像素点在HSV空间中的三个通道值，三通道为:H代表色调、S代表饱和度、V代表亮度； (2b)当像素点的H值、S值和V值同时高于一个阈值时，可认定该像素点为花卉中心，H值大于340 ；S值大于0.8 ；V值大于240。
3.根据权利要求1所述的花卉花朵图像分割提取方法，所述步骤(I)所述灰度转换:利用RGB转HSV计算方法，并用H通道值作为亮度产生灰度图，公式如下:
4.根据权利要求1所述的花卉花朵图像分割提取方法，所述步骤(2)所述彩色梯度进行图像转换包括如下步骤: I (i, j)代表一幅图像，D表示图像I的定义域,SEn表示一个尺寸为η的结构单元，i代表像素点横坐标，j代表像素点纵坐标，形态学中的腐蚀和膨胀定义如下: 膨胀值:
5.根据权利要求1所述的花卉花朵图像分割提取方法，所述步骤(2)所述局部直方图阈值选取法步骤如下: (5a)以图像中某点为中心的窗口来采样； (5b)把这个窗口当做一个单独的图像进行灰度直方图统计； (5c)利用最大间类方差法(OTSU)计算出当前窗口的阈值。
6.根据权利要求1所述的花卉花朵图像分割提取方法，所述步骤(3)所述改进骨架算法包括如下步骤: 根据开运算骨架的的定义，将式骨架算法应用于数字图像框架，并用结构元素B作为离散近似值，尺度为I，得到骨架算法的表达式为:
7..根据权利要求1所述的花卉花朵图像分割提取方法，所述步骤(4)所述骨架重生算法具体包括如下步骤: (7a)判断骨架点的连通性，判断准则是:如果两点的距离小于两点中任意一点的权值则为连通，表达式:
8.根据权利要求1所述的花卉花朵图像分割提取方法，所述步骤(5)所述主动轮廓迭代具体如下: 由于花卉图像的骨架中已包含了原图形的形状特性，因此可以向主动轮廓模型中添加一个能量项作为轮廓形状的约束，其表达式为:
9.根据权利要求1所述的花卉花朵图像分割提取方法，所述步骤(6)利用花朵中心位置保留中心附近轮廓的方法具体包括如下步骤: (9a)以步骤2b生成的花朵中心为圆心做半斤为r的圆。 (9b )将所有有一部分位于圆内的轮廓记录为此花朵中心的轮廓。
10.根据权利要求9所述的花卉花朵图像分割提取方法，所述步骤(7)所述的最大面积花朵提取方法具体包括如下步骤:(IOa)根据步骤(9b)生成的轮廓归属关系，计算各个花蕊拥有的轮廓所占的总面积。(IOb)比较各个花朵所 占面积，选取最大花朵保留下来。
【文档编号】G06T7/60GK103440672SQ201310302804
【公开日】2013年12月11日 申请日期:2013年7月19日 优先权日:2013年7月19日
【发明者】任守纲, 马超, 徐焕良 申请人:南京农业大学