一种植物表型彩色图像特征提取方法与流程

本发明涉及图像处理，特别涉及，一种植物表型彩色图像特征提取方法。

背景技术：

1、随着计算机图形图像信息处理技术的发展，需要对大量的彩色图像进行优化特征提取，采用种子点检测方法进行彩色图像的特征分割和边缘轮廓特征检测，在彩色图像全局阈值分割过程中，受到种子点手动选择下随机因素较大的影响，导致彩色图像全局阈值分割的准确度不高。

2、目前，彩色图像分割采用手动选择种子点随机性大、且未考虑轮廓生长规则存在分割准确度低的问题。现有图像分割方法进行彩色图像分割未考虑全局轮廓生长规则，图像特征信息表达能力较差。图像分割的随机性较大，分割的精度不高，随机扰动性较大，分割过程的抗干扰性不好。

技术实现思路

1、针对上述缺陷，本发明解决的技术问题在于，提供一种植物表型彩色图像特征提取方法，以解决现在技术所存在的彩色图像分割未考虑全局轮廓生长规则，图像特征信息表达能力较差，图像分割的随机性较大，分割的精度不高，随机扰动性较大，分割过程的抗干扰性不好的问题。

2、本发明提供了一种植物表型彩色图像特征提取方法，包括：

3、步骤1、分别获取多组不同时段的日间彩色图像和夜间红外补光灰度图像；

4、步骤2、提取灰度图像的初始边缘轮廓，基于灰度图像的边缘轮廓获取用于进行彩色图像分割的迭代阈值；

5、步骤3、基于提取的边缘轮廓自适应的寻找日间彩色图像中的植物表型图像关键特征区域，得到权重矩阵；

6、步骤4、基于迭代阈值与权重矩阵建立彩色图像的边缘轮廓特征提取模型，得到植物表型彩色图像的边缘轮廓特征。

7、优选地，所述步骤2具体步骤包括：

8、步骤2.1、对灰度图像进行二值化阈值及形态学滤波处理，获取初始植物表型特征边缘轮廓；

9、步骤2.2、基于获取的初始植物表型特征边缘轮廓，对与灰度图像对应的彩色图像随机生成np个个体作为初始种群并设置最大迭代次数，其中np为初始种群的个数；

10、步骤2.3、对于随机生成的初始种群，按最大类间方差函数计算每个个体的适应度值，并将它们按照适应度值的大小排序，以最大迭代次数进行分层；

11、步骤2.4、对各层个体进行更新，并将整合后的迭代个体传至下一层进行进一步的迭代；

12、步骤2.5、若当前迭代次数大于预设的最大迭代次数，则输出得到的迭代阈值，否则，继续迭代操作。

13、优选地，所述步骤3具体步骤包括：

14、步骤3.1、基于灰度图像得出的初始边缘轮廓，对彩色图像计算从任意一个像素点s到其相邻的像素点t的局部代价；

15、步骤3.2、将计算后的局部代价权重记为1个与原图像相同形状的矩阵。

16、优选地，所述步骤4的具体步骤包括：

17、步骤4.1、采用水平集法获取彩色图像的初始轮廓；

18、步骤4.2、结合二分法确定彩色图像全局轮廓生长规则，构建彩色图像的视觉图像采集模型，得到彩色图像的分割曲线；

19、步骤4.3、采用小波多尺度特征分集方法进行彩色图像的分布式重组和二维直方图重构，得到彩色图像的二维直方图；

20、步骤4.4、根据直方图构建结果，基于迭代阈值与权重矩阵建立彩色图像的边缘轮廓特征提取模型；

21、步骤4.5、基于彩色图像的边缘轮廓特征提取模型，对彩色图像进行优化分割得到植物表型彩色图像的边缘轮廓特征。

22、优选地，所述步骤2.1的具体步骤包括：

23、步骤2.1.1、对灰度图像进行二值化阈值处理，使图像中像素转化为黑白色；

24、步骤2.1.2、对二值化阈值处理后的灰度图像以不同大小的结构元进行多次形态学运算，得到边缘平滑处理后的灰度图像；

25、步骤2.1.3、采用基于边界跟踪的数字化二值图像拓扑结构分析获取边缘轮廓，得到植物表型特征的初始边缘轮廓。

26、优选地，所述步骤2.4的具体步骤包括：

27、步骤2.4.1、初始层种群更新的迭代函数表示为：

28、其中ceil(·)函数表示对得到的最优阈值向量进行取整，xnew表示更新后新产生的个体，xi表示该层内第i个个体，xpbest表示当前所在层的最优个体，xgbest表示全局最优个体，t为当前迭代次数，最大迭代次数为g，p(t)为自适应非线性搜索趋势常数，pmax、pmin分别为预设的常数最大值和最小值；

29、步骤2.4.2、筛选层接收初始层迭代更新后的个体，采用更新后的个体对该层内的个体进行迭代更新，筛选层迭代更新的函数表示为：xnew＝ceil((xi+xgbest)/2)。

30、步骤2.4.3、融合层利用融合层迭代更新的个体和全局迭代更新后的个体对待处理的彩色图像划分的个体进行迭代，融合层迭代更新的函数表示为：

31、xnew＝ceil(w·xi+c1(t)·(xpbest-xi)+c2(t)·(xgbest-xi))

32、xnew＝ceil(w·xi+c1(t)·(xpbest-xi+c2(t)·(xpbest-xi))

33、其中，xnew为更新后的个体；xpbest为融合层迭代更新后的个体，w为待更新的个体对应的权值，c1、c2分别为迭代个体对应的学习因子。

34、优选地，所述步骤2.4.3中学习因子和权值的迭代函数表示为：

35、

36、

37、其中wmax为迭代个体对应的最大权值，wmin为迭代个体对应的最小权值，c10＝c20为学习因子的初始值。

38、优选地，所述步骤2.2中个体划分规则的函数表示为xi＝sort(rand perm(n，numt)-ones(1，numt))，xi(i＝1，2，3，…，np)，sort(·)函数表示对生成的随机向量进行排序，numt表示分割阈值个数，rand perm表示返回1-n中numt个自然数组成向量的函数，ones表示生成1行numt列的单位向量的函数。

39、优选地，所述步骤2.3中最大类间方差函数表示为：j＝1，2，…，m，其中m为阈值的个数，ωj为第j类的像素点概率，μj为第j部分的平均灰度级，μt为整个图像的平均灰度级。

40、优选地，所述步骤3.1中局部代价函数表示为：

41、i(s，t)＝ωz·fz(t)+ωd·fd(s，t)+ωg·fg(t)，其中fz为拉普拉斯过零点代价，fg为像素在x和y方向上的梯度，fd表示梯度方向代价，ωz、ωd、ωg分别为各个函数对应的权值。

42、由上述方案可知，本发明提供的一种植物表型彩色图像特征提取方法采用水平集法获取彩色图像的初始轮廓，实现图像轮廓的自动提取；为解决图像特征信息表达能力较差的问题，结合二分法确定彩色图像全局轮廓生长规则，构建彩色图像规则的视觉图像采集模型；为了更精准的提取图像的特征信息，采用高分辨灰度直方图特征提取方法进行彩色图像的视觉信息增强处理，构建彩色图像的迭代阈值分割模型。采用该方法进行彩色图像分割的自适应性较好，分割后的彩色图像具有高度的连通性，提高了分割的精度，从而提高了彩色图像的视觉表达和特征提取能力。本发明解决现在技术所存在的彩色图像分割未考虑全局轮廓生长规则，图像特征信息表达能力较差，图像分割的随机性较大，分割的精度不高，随机扰动性较大，分割过程的抗干扰性不好的问题，作用效果显著，适于广泛推广。