CN116109921A - 植物识别方法、装置、设备及存储介质 - Google Patents
植物识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116109921A CN116109921A CN202211639738.3A CN202211639738A CN116109921A CN 116109921 A CN116109921 A CN 116109921A CN 202211639738 A CN202211639738 A CN 202211639738A CN 116109921 A CN116109921 A CN 116109921A
- Authority
- CN
- China
- Prior art keywords
- image
- plant
- identified
- target
- plants
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种植物识别方法、装置、设备及存储介质。本发明在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征,然后根据图像特征对待识别图像进行图像处理,获得处理后的图像,然后获取处理后的图像中的目标植物对应的形状特征和纹理特征,再根据形状特征和纹理特征对目标植物进行识别。本发明通过在待识别图像中的待识别植物存在遮挡时,根据图像特征对待识别图像进行图像处理,能够有效地抑制遮挡植物对待识别植物的影响,再根据形状特征和纹理特征对处理后的图像中的目标植物进行识别,相较于现有的通过人工对植物进行识别,本发明上述方式能够在植物被遮挡时,自动有效地对植物进行识别,从而提高植物识别的效率和准确度。
Description
技术领域
本发明涉及图像识别技术领域,尤其涉及一种植物识别方法、装置、设备及存储介质。
背景技术
大自然中约有40万种植物,其中,已经有超过25万种被命名并将其信息结构录入数据库。传统的植物识别一般对采集的标本人工测量、获得数据,综合植物的外部特征,通过人们的经验常识进行分类和识别,这种方法工作量巨大,主观性强,导致识别的正确率不高,限制了植物知识的普及。因此,如何在植物被遮挡时,有效地对植物进行识别,成为一个亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种植物识别方法、装置、设备及存储介质,旨在解决如何在植物被遮挡时,有效地对植物进行识别的技术问题。
为实现上述目的,本发明提供了一种植物识别方法,所述植物识别方法包括以下步骤:
在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征;
根据所述图像特征对所述待识别图像进行图像处理,获得处理后的图像;
获取所述处理后的图像中的目标植物对应的形状特征和纹理特征;
根据所述形状特征和所述纹理特征对所述目标植物进行识别。
可选地,所述根据所述图像特征对所述待识别图像进行图像处理,获得处理后的图像的步骤,具体包括:
获取所述图像特征中的遮挡植物对应的遮挡面积;
在所述遮挡面积大于预设面积时,将所述遮挡植物与所述待识别植物进行种类对比,获得对比结果;
在所述对比结果为对比失败时,根据所述遮挡植物对应的遮挡图像对所述待识别图像进行图像处理,获得处理后的图像。
可选地,所述在所述对比结果为对比失败时,根据所述遮挡植物对应的遮挡图像对所述待识别图像进行图像处理,获得处理后的图像的步骤,具体包括:
在所述对比结果为对比失败时,对所述遮挡植物对应的遮挡图像的透明度进行增大;
对所述待识别植物中的遮挡部分的清晰度进行增强,获得处理后的图像。
可选地,所述获取所述处理后的图像中的目标植物对应的形状特征和纹理特征的步骤,具体包括:
对所述处理后的图像进行灰度化处理,获得灰度化图像;
根据所述灰度化图像确定所述处理后的图像中的目标植物对应的形状特征;
根据所述灰度化图像确定所述目标植物对应的叶片图像;
根据所述叶片图像确定所述目标植物对应的纹理特征。
可选地,所述根据所述灰度化图像确定所述处理后的图像中的目标植物对应的形状特征的步骤,具体包括:
对所述灰度化图像进行边缘提取,获得边缘特征信息;
对所述边缘特征信息中的连通区域进行提取;
根据所述连通区域对应的连通成分对所述连通区域进行筛选,获得目标连通区域;
根据所述目标连通区域确定所述目标植物对应的形状特征。
可选地,所述在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征的步骤之前,还包括:
获取待识别图像中的叶片特征,所述叶片特征包括叶片颜色特征和叶片形状特征;
获取所述待识别图像中的叶片的排列信息;
根据所述叶片颜色特征、所述叶片形状特征以及所述排列信息判断所述待识别图像中的待识别植物是否存在遮挡。
可选地,所述根据所述叶片颜色特征、所述叶片形状特征以及所述排列信息判断所述待识别图像中的待识别植物是否存在遮挡的步骤,具体包括:
获取所述排列信息中的叶脉排列信息、叶片排列信息以及叶柄排列信息;
根据所述叶片颜色特征、所述叶片形状特征、所述叶脉排列信息、所述叶片排列信息以及所述叶柄排列信息判断所述待识别图像中的待识别植物是否存在遮挡。
此外,为实现上述目的,本发明还提供一种植物识别装置,所述植物识别装置包括:
特征获取模块,用于在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征;
图像处理模块,用于根据所述图像特征对所述待识别图像进行图像处理,获得处理后的图像;
所述特征获取模块,还用于获取所述处理后的图像中的目标植物对应的形状特征和纹理特征;
植物识别模块,用于根据所述形状特征和所述纹理特征对所述目标植物进行识别。
此外,为实现上述目的,本发明还提出一种植物识别设备,所述植物识别设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的植物识别程序,所述植物识别程序配置为实现如上文所述的植物识别方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有植物识别程序,所述植物识别程序被处理器执行时实现如上文所述的植物识别方法的步骤。
本发明通过在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征,然后根据图像特征对待识别图像进行图像处理,获得处理后的图像,然后获取处理后的图像中的目标植物对应的形状特征和纹理特征,再根据形状特征和纹理特征对目标植物进行识别。本发明通过在待识别图像中的待识别植物存在遮挡时,根据图像特征对待识别图像进行图像处理,能够有效地抑制遮挡植物对待识别植物的影响,再根据形状特征和纹理特征对处理后的图像中的目标植物进行识别,相较于现有的通过人工对植物进行识别,本发明上述方式能够在植物被遮挡时,自动有效地对植物进行识别,从而提高植物识别的效率和准确度。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的植物识别设备的结构示意图;
图2为本发明植物识别方法第一实施例的流程示意图;
图3为本发明植物识别方法第二实施例的流程示意图;
图4为本发明植物识别方法第三实施例的流程示意图;
图5为本发明植物识别装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的植物识别设备结构示意图。
如图1所示,该植物识别设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对植物识别设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及植物识别程序。
在图1所示的植物识别设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明植物识别设备中的处理器1001、存储器1005可以设置在植物识别设备中,所述植物识别设备通过处理器1001调用存储器1005中存储的植物识别程序,并执行本发明实施例提供的植物识别方法。
基于上述植物识别设备,本发明实施例提供了一种植物识别方法,参照图2,图2为本发明植物识别方法第一实施例的流程示意图。
本实施例中,所述植物识别方法包括以下步骤:
步骤S10:在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征;
需要说明的是,本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算服务设备,例如手机、平板电脑、个人电脑等,或者是一种能够实现上述功能的电子设备或植物识别设备。以下以所述植物识别设备为例,对本实施例及下述各实施例进行说明。
可理解的是,在对待识别植物进行识别时,需要获取待识别植物对应的待识别图像,在待识别图像中,待识别植物可能被其他植物遮挡,也就是遮挡植物。
应理解的是,在待识别图像中的待识别植物存在遮挡时,可获取遮挡植物对应的图像特征,图像特征可包括形状特征、颜色特征等。
进一步地,为了精确判断待识别植物是否存在遮挡,在本实施例中,所述步骤S10之前,还包括:获取待识别图像中的叶片特征,所述叶片特征包括叶片颜色特征和叶片形状特征;获取所述待识别图像中的叶片的排列信息;根据所述叶片颜色特征、所述叶片形状特征以及所述排列信息判断所述待识别图像中的待识别植物是否存在遮挡。
可理解的是,本实施例可获取待识别图像中所有叶片对应的叶片特征,叶片特征可包括叶片颜色特征和叶片形状特征,叶片颜色特征是指所有叶片的颜色,叶片形状特征是指所有叶片的形状,根据叶片形状特征可确定叶片的大小、叶片的轮廓等。
应理解的是,本实施例还可获取待识别图像中所有叶片对应的排列信息,排列信息可包括叶尖的朝向,叶脉的纹络信息等。
在具体实现中,可根据叶片颜色特征、叶片形状特征以及排列信息判断待识别图像中的待识别植物是否存在遮挡,具体判断方法可以是在叶片颜色特征相同,叶片形状特征相似,叶片形状特征相似是指叶片轮廓相似,排列信息相似时,说明待识别图像中只存在一种植物,判定待识别植物不存在遮挡。
进一步地,为了精确判断待识别植物是否存在遮挡,在本实施例中,所述根据所述叶片颜色特征、所述叶片形状特征以及所述排列信息判断所述待识别图像中的待识别植物是否存在遮挡的步骤,具体包括:获取所述排列信息中的叶脉排列信息、叶片排列信息以及叶柄排列信息;根据所述叶片颜色特征、所述叶片形状特征、所述叶脉排列信息、所述叶片排列信息以及所述叶柄排列信息判断所述待识别图像中的待识别植物是否存在遮挡。
可理解的是,本实施例中的排列信息可包括叶脉排列信息、叶片排列信息以及叶柄排列信息,叶脉排列信息是指纹络的排列信息,例如纹络的弯曲程度,纹络处在叶片中的位置等,叶片排列信息是指叶片中的叶尖的朝向、叶片的形状等,叶柄排列信息是指叶柄的长度、叶柄与叶片的相对位置等信息。
应理解的是,可根据叶片颜色特征、叶片形状特征、叶脉排列信息、叶片排列信息以及叶柄排列信息共同判断待识别图像中的待识别植物是否存在遮挡,具体判断方法可以是在叶片颜色特征相同,叶片形状特征相似,叶片形状特征相似是指叶片轮廓相似,叶脉排列信息相似,叶脉排列信息相似是指脉络相似,叶片排列信息相似是指叶尖的朝向方向相似,也就是都由一个中心位置朝向外部,叶柄排列信息相似,叶柄排列信息是指叶柄的朝向方向相似、叶柄的长度相似等。在待识别图像中的所有叶片同时满足上述要求时,判定待识别植物不存在遮挡,在待识别图像中的所有叶片不同时满足上述要求时,判断待识别植物可能存在遮挡。
步骤S20:根据所述图像特征对所述待识别图像进行图像处理,获得处理后的图像;
可理解的是,本实施例可根据图像特征对待识别图像进行图像处理,具体图像处理方式可以是增大遮挡植物的透明度,或者对遮挡植物对应的图像从待识别图像中剔除,得到处理后的图像。
步骤S30:获取所述处理后的图像中的目标植物对应的形状特征和纹理特征;
应理解的是,处理后的图像中可包含目标植物,本实施例可获取目标植物对应的形状特征和纹理特征,形状特征可包括目标植物的叶片的形状、根的形状等,纹理特征可包括目标植物的纹理的粗细、稠密等特征。
步骤S40:根据所述形状特征和所述纹理特征对所述目标植物进行识别。
在具体实现中,本实施例可根据形状特征和纹理特征对目标植物进行识别,具体识别方法可以是将形状特征和纹理特征与预设数据库中的植物进行对比,预设数据库中可包括多种植物,还可以是将形状特征和纹理特征输入至预设植物识别分类器中,得到目标植物所属的种类。
本实施例通过在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征,然后根据图像特征对待识别图像进行图像处理,获得处理后的图像,然后获取处理后的图像中的目标植物对应的形状特征和纹理特征,再根据形状特征和纹理特征对目标植物进行识别。本实施例通过在待识别图像中的待识别植物存在遮挡时,根据图像特征对待识别图像进行图像处理,能够有效地抑制遮挡植物对待识别植物的影响,再根据形状特征和纹理特征对处理后的图像中的目标植物进行识别,相较于现有的通过人工对植物进行识别,本实施例上述方式能够在植物被遮挡时,自动有效地对植物进行识别,从而提高植物识别的效率和准确度。
参考图3,图3为本发明植物识别方法第二实施例的流程示意图。
基于上述第一实施例,在本实施例中,所述步骤S20包括:
步骤S201:获取所述图像特征中的遮挡植物对应的遮挡面积;
可理解的是,遮挡面积是指待识别图像中的待识别植物被遮挡植物遮挡的面积,可以先将待识别图像进行图像标定,获得遮挡植物的实际面积,即遮挡面积。
步骤S202:在所述遮挡面积大于预设面积时,将所述遮挡植物与所述待识别植物进行种类对比,获得对比结果;
应理解的是,预设面积为预先设置的面积,具体值可根据实际情况进行设置,在遮挡面积大于预设面积时,说明待识别植物被遮挡的部分较多,此时可以将遮挡植物与待识别植物之间的种类进行对比。在遮挡面积小于预设面积时,说明待识别植物被遮挡的部分较少,此时可忽略遮挡植物的影响。
在具体实现中,种类对比的方法可以是将遮挡植物的形状与待识别植物的形状进行对比,还可以将遮挡植物的叶片脉络与待识别植物的叶片脉络进行对比,在对比都通过时,也就是在待识别植物与遮挡植物之间的形状和叶片脉络都类似时,对比结果为对比通过,在在待识别植物与遮挡植物之间的形状和叶片脉络都不类似时,对比结果为对比失败。
步骤S203:在所述对比结果为对比失败时,根据所述遮挡植物对应的遮挡图像对所述待识别图像进行图像处理,获得处理后的图像。
可理解的是,遮挡图像是指待识别图像中包含遮挡植物的图像。
应理解的是,在对比结果为对比失败时,说明待识别植物与遮挡植物不是同类植物,然后根据遮挡图像对待识别图像进行图像处理,具体图像处理可以是对待识别图像中的遮挡图像进行剔除,还可以是其他处理方式,得到处理后的图像。
在具体实现中,在对比结果为对比成功时,说明待识别植物与遮挡植物属于同类植物,此时不需要对待识别图像进行图像处理,可以直接对待识别图像中包含的植物进行识别。
进一步地,为了实现对待识别图像进行图像处理,在本实施例中,所述步骤S203包括:在所述对比结果为对比失败时,对所述遮挡植物对应的遮挡图像的透明度进行增大;对所述待识别植物中的遮挡部分的清晰度进行增强,获得处理后的图像。
应理解的是,在所述对比结果为对比失败时,图像处理的方式可以是增大遮挡图像的透明度,增强待识别植物中的遮挡部分的清晰度,增强清晰度的方式可以是锐化,还可以是其他方式,可得到处理后的图像。
本实施例通过获取图像特征中的遮挡植物对应的遮挡面积,在遮挡面积大于预设面积时,将遮挡植物与待识别植物进行种类对比,获得对比结果,在对比结果为对比失败时,根据遮挡植物对应的遮挡图像对待识别图像进行图像处理,获得处理后的图像。本实施例在遮挡面积大于预设面积时,将遮挡植物与待识别植物进行种类对比,能够在遮挡植物对应的遮挡面积较大时,并且待识别植物与遮挡植物的种类不相同时,对待识别植物中被遮挡的部分进行处理,得到处理后的图像,从而能够有效地识别到处理后的图像中的目标植物,以对目标植物进行识别。
参考图4,图4为本发明植物识别方法第三实施例的流程示意图。
基于上述各实施例,在本实施例中,所述步骤S30包括:
步骤S301:对所述处理后的图像进行灰度化处理,获得灰度化图像;
可理解的是,本实施例可对处理后的图像进行灰度化处理,具体的灰度化处理的方式可以是分量法、最大值法、平均值法、加权平均法等方式,具体可参照现有技术,本实施例对此不过多赘述。
步骤S302:根据所述灰度化图像确定所述处理后的图像中的目标植物对应的形状特征;
应理解的是,本实施例可根据灰度化图像确定处理后的图像中的目标植物对应的形状特征,可包括目标植物的轮廓、大小等特征。
进一步地,为了精确确定形状特征,在本实施例中,所述步骤S302包括:对所述灰度化图像进行边缘提取,获得边缘特征信息;对所述边缘特征信息中的连通区域进行提取;根据所述连通区域对应的连通成分对所述连通区域进行筛选,获得目标连通区域;根据所述目标连通区域确定所述目标植物对应的形状特征。
可理解的是,本实施例可对灰度化图像进行边缘提取,具体可通过边缘提取算子进行边缘提取,例如Canny算子、Sobel算子等,进行边缘提取后可得到边缘特征信息。
应理解的是,在得到边缘特征信息后,可对边缘特征信息中的连通区域进行提取,即提取到完全连接的部分。在实际情况中,连通区域对应的连通成分可能存在多种,也就是说两点之间存在多条路径,相当于多种连通成分,此时可对连通区域进行筛选,具体筛选方法可以是在两点之间的连通区域中选取最大的连通区域,也可以是选取最小的连通区域,具体可根据实际情况进行设置,本实施例对此不做具体限制,得到目标连通区域。
在具体实现中,可根据目标连通区域确定目标植物对应的形状特征,具体可将目标连通区域连接起来,即可得到目标植物对应的形状特征。
步骤S303:根据所述灰度化图像确定所述目标植物对应的叶片图像;
可理解的是,本实施例可根据灰度化图像确定目标植物对应的叶片图像,具体确定方式可以是先获取目标连通区域对应的连通线条,也就是将目标连通区域连接起来的线条,然后获取连通线条对应的弧度信息,弧度信息是指连通线条的弯曲程度,并根据弧度信息从连通线条中选取目标连通线条,选取方式可以是选取弯曲程度较大的线条,因为弯曲程度较小的线条可能是植物的根,再根据目标连通线条确定目标植物对应的叶片图像,将目标连通线条连接起来即可得到目标植物对应的叶片图像。
步骤S304:根据所述叶片图像确定所述目标植物对应的纹理特征。
应理解的是,本实施例可根据叶片图像确定目标植物对应的纹理特征,具体确定方式可以是获取叶片图像对应的灰度直方图,灰度直方图中可包括各灰度级和各灰度级对应的次数,然后根据灰度直方图中的灰度级和对应的次数确定目标植物对应的纹理特征,即可根据灰度级和对应的次数确定目标植物中较深的脉络。
本实施例通过对处理后的图像进行灰度化处理,获得灰度化图像,然后根据灰度化图像确定处理后的图像中的目标植物对应的形状特征,然后根据灰度化图像确定目标植物对应的叶片图像,再根据叶片图像确定目标植物对应的纹理特征。本实施例根据灰度化图像确定处理后的图像中的目标植物对应的形状特征,然后根据灰度化图像确定目标植物对应的叶片图像,再根据叶片图像确定目标植物对应的纹理特征,能够精确地得到目标植物对应的形状特征和纹理特征,保证后续植物识别的准确性。
参照图5,图5为本发明植物识别装置第一实施例的结构框图。
如图5所示,本发明实施例提出的植物识别装置包括:
特征获取模块10,用于在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征;
图像处理模块20,用于根据所述图像特征对所述待识别图像进行图像处理,获得处理后的图像;
所述特征获取模块10,还用于获取所述处理后的图像中的目标植物对应的形状特征和纹理特征;
植物识别模块30,用于根据所述形状特征和所述纹理特征对所述目标植物进行识别。
本实施例通过在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征,然后根据图像特征对待识别图像进行图像处理,获得处理后的图像,然后获取处理后的图像中的目标植物对应的形状特征和纹理特征,再根据形状特征和纹理特征对目标植物进行识别。本实施例通过在待识别图像中的待识别植物存在遮挡时,根据图像特征对待识别图像进行图像处理,能够有效地抑制遮挡植物对待识别植物的影响,再根据形状特征和纹理特征对处理后的图像中的目标植物进行识别,相较于现有的通过人工对植物进行识别,本实施例上述方式能够在植物被遮挡时,自动有效地对植物进行识别,从而提高植物识别的效率和准确度。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的植物识别方法,此处不再赘述。
基于本发明上述植物识别装置第一实施例,提出本发明植物识别装置的第二实施例。
在本实施例中,所述图像处理模块20,还用于获取所述图像特征中的遮挡植物对应的遮挡面积;在所述遮挡面积大于预设面积时,将所述遮挡植物与所述待识别植物进行种类对比,获得对比结果;在所述对比结果为对比失败时,根据所述遮挡植物对应的遮挡图像对所述待识别图像进行图像处理,获得处理后的图像。
进一步地,所述图像处理模块20,还用于在所述对比结果为对比失败时,对所述遮挡植物对应的遮挡图像的透明度进行增大;对所述待识别植物中的遮挡部分的清晰度进行增强,获得处理后的图像。
进一步地,所述特征获取模块10,还用于对所述处理后的图像进行灰度化处理,获得灰度化图像;根据所述灰度化图像确定所述处理后的图像中的目标植物对应的形状特征;根据所述灰度化图像确定所述目标植物对应的叶片图像;根据所述叶片图像确定所述目标植物对应的纹理特征。
进一步地,所述特征获取模块10,还用于对所述灰度化图像进行边缘提取,获得边缘特征信息;对所述边缘特征信息中的连通区域进行提取;根据所述连通区域对应的连通成分对所述连通区域进行筛选,获得目标连通区域;根据所述目标连通区域确定所述目标植物对应的形状特征。
进一步地,所述特征获取模块10,还用于获取待识别图像中的叶片特征,所述叶片特征包括叶片颜色特征和叶片形状特征;获取所述待识别图像中的叶片的排列信息;根据所述叶片颜色特征、所述叶片形状特征以及所述排列信息判断所述待识别图像中的待识别植物是否存在遮挡。
进一步地,所述特征获取模块10,还用于获取所述排列信息中的叶脉排列信息、叶片排列信息以及叶柄排列信息;根据所述叶片颜色特征、所述叶片形状特征、所述叶脉排列信息、所述叶片排列信息以及所述叶柄排列信息判断所述待识别图像中的待识别植物是否存在遮挡。
本发明植物识别装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有植物识别程序,所述植物识别程序被处理器执行时实现如上文所述的植物识别方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种植物识别方法,其特征在于,所述植物识别方法包括以下步骤:
在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征;
根据所述图像特征对所述待识别图像进行图像处理,获得处理后的图像;
获取所述处理后的图像中的目标植物对应的形状特征和纹理特征;
根据所述形状特征和所述纹理特征对所述目标植物进行识别。
2.如权利要求1所述的植物识别方法,其特征在于,所述根据所述图像特征对所述待识别图像进行图像处理,获得处理后的图像的步骤,具体包括:
获取所述图像特征中的遮挡植物对应的遮挡面积;
在所述遮挡面积大于预设面积时,将所述遮挡植物与所述待识别植物进行种类对比,获得对比结果;
在所述对比结果为对比失败时,根据所述遮挡植物对应的遮挡图像对所述待识别图像进行图像处理,获得处理后的图像。
3.如权利要求2所述的植物识别方法,其特征在于,所述在所述对比结果为对比失败时,根据所述遮挡植物对应的遮挡图像对所述待识别图像进行图像处理,获得处理后的图像的步骤,具体包括:
在所述对比结果为对比失败时,对所述遮挡植物对应的遮挡图像的透明度进行增大;
对所述待识别植物中的遮挡部分的清晰度进行增强,获得处理后的图像。
4.如权利要求1所述的植物识别方法,其特征在于,所述获取所述处理后的图像中的目标植物对应的形状特征和纹理特征的步骤,具体包括:
对所述处理后的图像进行灰度化处理,获得灰度化图像;
根据所述灰度化图像确定所述处理后的图像中的目标植物对应的形状特征;
根据所述灰度化图像确定所述目标植物对应的叶片图像;
根据所述叶片图像确定所述目标植物对应的纹理特征。
5.如权利要求4所述的植物识别方法,其特征在于,所述根据所述灰度化图像确定所述处理后的图像中的目标植物对应的形状特征的步骤,具体包括:
对所述灰度化图像进行边缘提取,获得边缘特征信息;
对所述边缘特征信息中的连通区域进行提取;
根据所述连通区域对应的连通成分对所述连通区域进行筛选,获得目标连通区域;
根据所述目标连通区域确定所述目标植物对应的形状特征。
6.如权利要求1~5中任一项所述的植物识别方法,其特征在于,所述在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征的步骤之前,还包括:
获取待识别图像中的叶片特征,所述叶片特征包括叶片颜色特征和叶片形状特征;
获取所述待识别图像中的叶片的排列信息;
根据所述叶片颜色特征、所述叶片形状特征以及所述排列信息判断所述待识别图像中的待识别植物是否存在遮挡。
7.如权利要求6所述的植物识别方法,其特征在于,所述根据所述叶片颜色特征、所述叶片形状特征以及所述排列信息判断所述待识别图像中的待识别植物是否存在遮挡的步骤,具体包括:
获取所述排列信息中的叶脉排列信息、叶片排列信息以及叶柄排列信息;
根据所述叶片颜色特征、所述叶片形状特征、所述叶脉排列信息、所述叶片排列信息以及所述叶柄排列信息判断所述待识别图像中的待识别植物是否存在遮挡。
8.一种植物识别装置,其特征在于,所述植物识别装置包括:
特征获取模块,用于在待识别图像中的待识别植物存在遮挡时,获取遮挡植物对应的图像特征;
图像处理模块,用于根据所述图像特征对所述待识别图像进行图像处理,获得处理后的图像;
所述特征获取模块,还用于获取所述处理后的图像中的目标植物对应的形状特征和纹理特征;
植物识别模块,用于根据所述形状特征和所述纹理特征对所述目标植物进行识别。
9.一种植物识别设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的植物识别程序,所述植物识别程序配置为实现如权利要求1至7中任一项所述的植物识别方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有植物识别程序,所述植物识别程序被处理器执行时实现如权利要求1至7中任一项所述的植物识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211639738.3A CN116109921A (zh) | 2022-12-20 | 2022-12-20 | 植物识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211639738.3A CN116109921A (zh) | 2022-12-20 | 2022-12-20 | 植物识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116109921A true CN116109921A (zh) | 2023-05-12 |
Family
ID=86266656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211639738.3A Pending CN116109921A (zh) | 2022-12-20 | 2022-12-20 | 植物识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116109921A (zh) |
-
2022
- 2022-12-20 CN CN202211639738.3A patent/CN116109921A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5047005B2 (ja) | 画像処理方法、パターン検出方法、パターン認識方法及び画像処理装置 | |
CN110807314A (zh) | 文本情感分析模型训练方法、装置、设备及可读存储介质 | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
WO2017161636A1 (zh) | 一种基于指纹的终端支付方法及装置 | |
CN109313705B (zh) | 指纹识别方法、装置、设备及存储介质 | |
CN111507165A (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
CN110874835B (zh) | 作物叶部病害抗性鉴定方法、系统、电子设备及存储介质 | |
CN111553241A (zh) | 掌纹的误匹配点剔除方法、装置、设备及存储介质 | |
CN113221601A (zh) | 字符识别方法、装置及计算机可读存储介质 | |
CN114241463A (zh) | 签名验证方法、装置、计算机设备和存储介质 | |
CN112668412A (zh) | 二维码生成方法、装置、电子设备和存储介质 | |
CN116109921A (zh) | 植物识别方法、装置、设备及存储介质 | |
CN114529570A (zh) | 图像分割方法、图像识别方法、用户凭证补办方法及系统 | |
CN112084979B (zh) | 食品成分识别方法、装置、设备及存储介质 | |
CN111582286B (zh) | 印刷电路板同质化确定方法和装置 | |
CN113537253A (zh) | 一种红外图像目标检测方法、装置、计算设备及存储介质 | |
JP6580201B2 (ja) | 被写体検出装置、被写体検出方法及びプログラム | |
CN113610155A (zh) | 基于相似性比对模型的晶圆缺陷分类方法及装置、电子设备和存储介质 | |
CN111242047A (zh) | 图像处理方法和装置、电子设备及计算机可读存储介质 | |
CN117877037B (zh) | 一种ocr单字符定位识别方法、系统及计算机存储介质 | |
CN111144244B (zh) | 家具木材类别识别方法及装置 | |
CN114723748B (zh) | 电机控制器的检测方法、装置、设备及存储介质 | |
CN116433671B (zh) | 一种基于图像识别的胶体金检测方法、系统和存储介质 | |
CN110458024B (zh) | 活体检测方法及装置和电子设备 | |
Korobacz et al. | Preprocessing Photos of Receipts for Recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |