(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211306080.4 (22)申请日 2022.10.25 (71)申请人 金乡县林业保护和发展服 务中心 （金乡县 湿地保护中心、 金乡县野生 动植物保护中心、 金乡县国有白洼 林场） 地址 272200 山东省济宁市金乡县文峰中 路35号 (72)发明人 赵学文　李宪忠　李伟　孔娜　 (74)专利代理 机构 青岛致嘉知识产权代理事务 所(普通合伙) 3723 6 专利代理师 吴杉 (51)Int.Cl. G06V 20/17(2022.01) G06V 20/10(2022.01)G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/54(2022.01) G06V 10/74(2022.01) G06V 10/77(2022.01) (54)发明名称 一种基于图像理解的林业病虫智能识别方 法及系统 (57)摘要 本发明涉及图像处理领域， 具体涉及一种基 于图像理解的林业病虫智能识别方法及系统， 包 括： 获取林地区域中各个叶片 的叶片边缘图像； 根据每个叶片边缘图像得到每个叶片的一级脉 络以及一级脉络的方向值， 进而获取每个叶片的 各个级别的脉络以及各个级别脉络的衍生点和 方向值； 根据各个级别的脉络和同级别的各条脉 络之间的方向值 以及衍生点距离得到各个级别 的各组脉络对； 获取每组脉络对的第一链码和第 二链码； 根据第一链码以及第二链码得到每个叶 片完整的脉络信息， 根据脉络信息得到疑似异常 纹理， 对疑似异常纹理进行识别， 得到病虫害纹 理。 本发明可 以避免光照的干扰， 保证识别的准 确度以及识别效率。 权利要求书2页 说明书8页 附图1页 CN 115376032 A 2022.11.22 CN 115376032 A 1.一种基于图像理解的林业病虫智能识别方法， 其特 征在于， 该 方法包括以下步骤： 获取林地区域中各个叶片图像， 得到每个叶片的叶片边缘图像； 将每个叶片的叶片边 缘图像中的各个边缘点转换到霍夫 空间中， 霍夫 空间中的每个高亮点对应所述每个叶片的 每条脉络； 根据每个叶片中各条脉络对应的高亮点的亮度值以及角度值得到所述每个叶片的一 级脉络以及所述一级 脉络的方向值； 根据每个叶片的一级 脉络得到每个叶片的各个级别的 脉络以及所述各个级别脉络的衍 生点和方向值； 根据各个级别的脉络和同级别的各条脉络之间的方向值以及衍生点距离得到各个级 别的各组脉络对； 以各条脉络的衍生点为起点， 获取所述各条脉络的链码； 获取每组脉络对 中各条脉络所对应的亮度值， 将所述亮度值作为所述各条脉络的长度； 记各组脉络对中长 度最长的脉络的链码为第一链码， 长度最短的脉络的链码为第二链码， 根据第一链码以及 第二链码对长度最短的脉络进行补全， 得到每 个叶片所有完整的脉络信息； 将所有不属于脉络信 息的纹理作为疑似异常纹理， 使用高光谱检测方法对疑似异常纹 理进行识别， 得到病虫害纹 理。 2.根据权利要求1所述的一种基于图像理解的林业病虫智能识别方法， 其特征在于， 所 述每个叶片的一级脉络以及所述 一级脉络的方向值的获取 方法为： 以每个叶片边缘图像中的各个边缘点的坐标为样本数据， 使用主成分分析算法对所述 样本数据进行主成分 分析， 得到所述每 个叶片的主方向； 计算最大角度值与最小角度值的角度均值， 将霍夫空间中各个 高亮点的角度值与 所述 角度均值的差值绝对值作为初始 一级脉络概率， 将最小的五个初始 一级脉络概率所对应的 高亮点， 记为疑似一级脉络高亮点； 计算各个疑似一级脉络高亮点的角度值与所述每个叶 片的主方向之 间的角度差值， 将角度差值最小的疑似一级 脉络高亮点所对应的脉络作为一 级脉络， 将所述角度差值最小的疑似一级脉络高亮点的角度值作为所述一级脉络的方向 值。 3.根据权利要求1所述的一种基于图像理解的林业病虫智能识别方法， 其特征在于， 所 述每个叶片的各个级别的脉络以及所述各个级别脉络的衍 生点和方向值的获取 方法为： 遍历每个叶片边缘图像中一级脉络的各缘点， 将处于一级脉络的各个边缘点八邻域内 且不属于一级 脉络的所有边缘点记为二级 脉络的衍生点， 所述各个二级 脉络衍生点所属的 脉络记为各个二级脉络； 各个二级脉络在霍夫 空间中所对应的高亮点角度值记为所述各个 二级脉络的方向值； 同理， 遍历各个二级脉络边缘点， 得到各个三级脉络的衍生点和方向 值， 依此类 推， 得到各个级别的脉络以及所述各个级别脉络的衍 生点和方向值。 4.根据权利要求1所述的一种基于图像理解的林业病虫智能识别方法， 其特征在于， 所 述各个级别的各组脉络对的获取 方法为： 获取各个级别脉络的上级脉络， 所述上级脉络是指脉络级别为小于所述各个级别脉络 级别的最大级别， 且与所述各个级别脉络的衍生点距离最近的脉络； 对于具有同一上级脉 络的各个级别脉络， 以所述上级脉络的方向值为界限， 将方向值小于上级脉络方向值的脉 络划分到第一区域， 方向值大于上级脉络方向值的脉络划分到第二区域； 将各个区域中的各个级别脉络方向值与所述上级脉络方向值之间差值的绝对值作为 第一指标； 将所述各个级别脉络衍生点的坐标作为第二指标； 所述各个级别脉络的第一指权　利　要　求　书 1/2 页 2 CN 115376032 A 2标和第二指标构成了各个级别脉络的特 征指标； 将第一区域中各个级别脉络的特征指标作为第 一样本数据， 将第 二区域中各个级别脉 络的特征指标作为第二样本数据， 使用KM匹配算法对第一样本数据与第二样本数据进行匹 配， 获得所有匹配的脉络对。 5.根据权利要求1所述的一种基于图像理解的林业病虫智能识别方法， 其特征在于， 所 述每个叶片所有完整的脉络信息的获取 方法为： 以第一链码中的第一个元素为起点， 计算第一链码中相邻元素之间的差值， 得到第一 差值链码； 同理， 根据第二链码得到第二差值链码； 获取第二差值链码中最后一个元素的序 号以及所述序号对应的边缘点， 分别记为末端序号以及末端边缘点； 获取第一差值链码中 所述末端序号对应的元素值的相反数， 记为参照角度； 根据参照角度得到所述末端边缘点 的角度变化范围； 以末端边缘点为坐标原点， 获取图像中所有边缘点中与 所述末端边缘点的连线与 水平 向右的正方向之间的夹角值， 将夹角值属于所述末端边缘点的角度变化范围的多个边缘点 作为候选边缘点； 分别将各个候选边缘点假设为所述每组脉络对中长度最短的脉络的一个边缘点， 得到 各个候选边缘点所对应的第二差值链码， 使用KM匹配对所述各个候选边缘点所对应的第二 差值链码与第一差值链码中的各个数据进行匹配， 得到多个匹配对， 使得所有匹配对中各 元素之和的累加 和最小， 将所述加 和结果作为所述各个候选边 缘点的差异程度； 将差异程度最小的候选边 缘点与末端边 缘点进行连接； 以此类推， 对每组脉络对中长度最短的脉络进行补全， 将补全后的脉络作为所述每个 叶片的所有完整的脉络信息 。 6.根据权利要求1所述的一种基于图像理解的林业病虫智能识别方法， 其特征在于， 所 述病虫害纹 理的获取 方法为： 获取各个疑似异常纹理 的光谱曲线向量， 将所述各个光谱曲线向量与叶片的正常纹理 的光谱曲线向量均值之间的余弦相似度； 根据经验设置相似度阈值， 将余弦相似度小于所 述相似度阈值的纹 理认为是病虫害纹 理。 7.一种基于图像理解的林业病虫智能识别系统， 其特 征在于， 包括： 图像采集模块， 用于获取无人机采集的林地 区域图像以及林地 区域图像中的每个叶片 图像， 并将得到的每 个叶片图像数据输入到纹 理提取模块； 纹理提取模块， 用于根据每个叶片中各条脉络对应的高亮点的亮度值以及角度值得到 每个叶片的一级 脉络以及该一级 脉络的方向值， 进而得到各个级别的脉络以及各个级别脉 络所对应的衍生点和方向值； 根据各个级别的脉络和同级别的各条脉络之 间的方向值以及 衍生点距离得到各个级别的各组脉络对； 获取各条脉络的链码； 将每组脉络对中各条脉络 所对应的亮度值作为各条脉络的长度； 记各组脉络对中长度最长的脉络的链码为第一链 码， 长度最短的脉络的链码为第二链码， 根据第一链码以及第二链码对长度最短的脉络进 行补全， 得到每 个叶片所有完整的脉络信息， 从而得到疑似异常纹 理； 纹理识别模块， 用于对纹理提取模块得到的疑似异常纹理进行识别， 根据疑似异常纹 理的光谱曲线与正常纹理的光谱曲线之 间的差异， 来识别各个疑似异常纹理是否为病虫害 造成的纹 理。权　利　要　求　书 2/2 页 3 CN 115376032 A 3