一种基于高频纹理分割的青花菜花球颜色表型量化方法

本发明涉及计算机视觉与数字图像处理，尤其是涉及一种基于高频纹理分割的青花菜花球颜色表型量化方法。

背景技术：

1、青花菜花球颜色是外观品质评价、商品分级和育种筛选中的重要表型指标。传统颜色评价主要依赖人工观察或经验分级，容易受到评价者主观判断、光照条件和样本数量的影响，难以满足批量化、自动化和客观化评价需求。

2、现有基于图像的颜色评价方法通常需要先获得花球区域，再提取颜色特征。然而，在田间原位图像中，青花菜花球边界不规则、表面颗粒纹理密集，并且容易受到叶片、茎秆、土壤、阴影、田间标识物和背景区域干扰。若直接在整张图像或粗略区域内提取颜色特征，非花球像素会进入统计过程，导致颜色评价不稳定。

3、此外，已有方法多关注花球检测、成熟度识别、尺寸估计或单一颜色指标，对花球自动分割后的整体颜色表型差异和内部颜色均一性缺乏一体化、连续化的量化流程。因此，需要一种能够输入青花菜花球rgb图像后自动完成花球分割、颜色特征提取，并输出整体颜色评分和颜色均一度评分的方法。

技术实现思路

1、本发明的目的是提供一种基于高频纹理分割的青花菜花球颜色表型量化方法，以解决青花菜花球区域难以精确分割、颜色特征易受非花球区域干扰以及花球颜色表型难以客观量化的问题。

2、为实现上述目的，本发明提供了一种基于高频纹理分割的青花菜花球颜色表型量化方法，包括以下步骤：

3、s1、获取待测青花菜花球的rgb图像，并对所述rgb图像进行尺寸归一化和像素值归一化处理以获得标准化rgb图像；

4、s2、基于所述标准化rgb图像生成对应的sobel高频纹理图，用于表征青花菜花球边界和表面颗粒纹理信息；

5、s3、将所述标准化rgb图像与sobel高频纹理图共同输入青花菜花球分割模型，由高频特征编码模块生成多尺度高频参考特征，并结合扩张率为1、2和4的纹理-边界引导多尺度特征增强，得到青花菜花球预测掩膜；

6、s4、基于所述预测掩膜提取青花菜花球有效区域，排除叶片、茎秆、土壤、田间标识物及其他非花球背景区域，并降低背景阴影对颜色分析的干扰；

7、s5、在所述花球有效区域内提取hsv和lab颜色空间特征；

8、s6、根据所述颜色空间特征计算青花菜花球整体颜色表型评分bcps；

9、s7、在所述花球有效区域的lab色度平面中进行聚类分析，确定主色参考；计算有效像素与所述主色参考之间的颜色距离，基于所述颜色距离提取颜色分布相关特征；对包含所述颜色分布相关特征在内的候选特征进行标准化、降维融合和方向校正，映射至预设评分区间，得到青花菜花球颜色均一度评分bcus；

10、s8、输出青花菜花球预测掩膜、bcps评分和bcus评分。

11、优选的，s2中，所述sobel高频纹理图的生成方式为：对标准化rgb图像进行灰度化处理，分别采用水平sobel算子和垂直sobel算子提取水平梯度图和垂直梯度图，计算梯度幅值图，并对梯度幅值图进行归一化处理，得到sobel高频纹理图；梯度幅值图计算公式如下：

12、；

13、；

14、；

15、其中，和分别表示水平梯度图和垂直梯度图，表示梯度幅值图，表示梯度幅值图的第99百分位数，表示对应的第99百分位数阈值，表示归一化后的sobel高频纹理图，表示将计算结果限制在0~1区间内，表示用于防止分母为零的极小常数。

16、优选的，s3中，所述青花菜花球分割模型为高频纹理-边界引导多尺度分割网络hf-tbmsnet，所述高频纹理-边界引导多尺度分割网络包括rgb图像输入分支、sobel高频纹理图输入分支、高频特征编码模块、语义分割主干模块、纹理-边界引导的多尺度特征增强模块、多任务预测模块和背景误分抑制训练策略。

17、优选的，所述rgb图像输入分支用于接收标准化rgb图像；所述sobel高频纹理图输入分支用于接收与所述标准化rgb图像对应的sobel高频纹理图，并将所述sobel高频纹理图输入高频特征编码模块；

18、所述高频特征编码模块用于对sobel高频纹理图进行多尺度特征提取，生成不同尺度的高频参考特征，具体为：sobel高频纹理图经卷积处理生成浅层高频特征，并通过逐级下采样形成多尺度高频参考特征；

19、所述语义分割主干模块采用编码器-解码器结构，包括依次连接的四个编码阶段、一个瓶颈层和四个解码阶段；

20、所述纹理-边界引导的多尺度特征增强模块至少包括扩张率为1、2和4的空洞卷积分支，并结合所述高频参考特征生成门控权重，对多尺度高频参考特征进行加权融合；

21、所述多任务预测模块包括主分割预测分支、距离变换预测分支和边界预测分支；其中，距离变换预测分支和边界预测分支用于训练阶段的辅助监督，主分割预测分支用于输出花球概率图；

22、所述背景误分抑制训练策略通过在主分割损失中引入背景高置信度假阳性惩罚项，降低非花球背景区域被误判为花球区域的概率；所述主分割损失的表达式为：

23、；

24、；

25、其中，表示主分割损失，表示加权二值交叉熵损失，表示dice损失，表示困难背景抑制损失，表示参与计算的像素总数，表示像素的真实标签，表示像素被预测为花球区域的概率；所述困难背景抑制损失用于惩罚背景区域内的高置信度假阳性预测。

26、优选的，s3中，所述预测掩膜由分割模型输出的花球概率图经阈值化处理得到：

27、；

28、式中，表示像素位置，表示像素属于花球区域的预测概率，表示分割阈值，表示花球区域，表示背景区域。

29、优选的，s4中，提取青花菜花球有效区域具体为：

30、提取有效像素集合：；

31、式中，表示花球预测掩膜所确定的有效像素集合，表示图像中的像素位置，表示像素被确定为花球有效区域。

32、优选的，s5中，所述颜色空间特征均在预测掩膜对应的花球有效区域内计算；其中，hsv颜色空间中的

h分量转换为正弦分量和余弦分量：

33、；

34、；

35、式中，表示hsv颜色空间中以角度表示的色相分量，和分别表示色相分量的正弦转换值和余弦转换值；

s和

v分别表示饱和度分量和明度分量；

36、lab颜色空间包括、和，分别表示lab颜色空间中的亮度分量、红-绿分量和黄-蓝分量。

37、优选的，s6中，计算bcps的输入特征向量为：

38、；

39、式中，表示样本序号，表示第个样本的bcps输入特征向量，和分别表示第个样本色相分量的正弦转换值和余弦转换值，和分别表示第个样本的饱和度分量和明度分量，、和为第个样本的lab颜色特征；

40、对所述输入特征向量进行标准化处理，采用主成分分析方法提取前两个主成分，并按解释方差比例加权融合得到整体颜色表型原始分值；根据lab的方向对所述原始分值进行方向校正，使bcps数值升高对应青花菜花球颜色由偏黄绿向偏蓝绿方向变化；将方向校正后的分值映射至0-100区间，得到bcps评分。

41、优选的，s7中，计算bcus包括如下步骤：

42、s71、在lab色度平面中对花球有效像素进行聚类分析，将像素数量占比最大的聚类簇定义为主色簇，并以聚类中心确定样本主色参考；

43、s72、计算花球有效像素与所述主色参考之间的颜色距离；基于颜色距离提取颜色距离均值、标准差、90%分位数；根据颜色距离的中位数和中位绝对偏差确定偏色识别阈值：

44、；

45、式中，表示偏色像素识别阈值，表示花球有效区域内所有像素颜色距离构成的集合，表示颜色距离集合的中位数，表示颜色距离集合的中位绝对偏差，表示建模阶段确定的阈值调节系数；将颜色距离大于所述阈值的像素确定为偏色像素，并计算偏色像素比例和最大偏色连通域比例；

46、s73、以花球有效区域的外接矩形为范围进行局部网格划分，筛选有效网格，并计算网格颜色均值方差和平均颜色熵；

47、s74、计算和分量标准差、，聚类中心之间的距离，以及主色簇像素比例，构建候选特征向量：

48、；

49、s75、以bcps方向校正后的原始分值为控制变量，对各项候选特征进行残差化处理；

50、s75、将残差项组成的特征矩阵进行标准化和主成分分析，保留前两个主成分并按解释方差比例加权融合，经方向校正和线性残差化后映射至0-100区间，得到bcus评分，其中bcus数值越高表示花球颜色越均一。

51、优选的，所述方法包括训练阶段和部署阶段；训练阶段完成hf-tbmsnet分割模型训练、bcps和bcus所需颜色特征标准化参数、主成分参数、方向校正参数和分数映射边界参数的确定与保存；部署阶段输入待测青花菜花球rgb图像后，直接复用训练阶段固化参数，自动输出花球预测掩膜、bcps评分和bcus评分。

52、因此，本发明采用上述一种基于高频纹理分割的青花菜花球颜色表型量化方法，具有以下有益效果：

53、1)通过sobel高频纹理图增强花球边界和颗粒纹理信息，提高复杂背景下花球区域分割精度；

54、2)通过高频纹理-边界引导多尺度分割网络获得花球预测掩膜，并仅在预测掩膜内提取颜色特征，降低叶片、茎秆、土壤、阴影和背景像素对颜色分析的干扰；

55、3)通过bcps对花球由偏黄绿向偏蓝绿变化的整体颜色表型差异进行连续量化；

56、4)通过bcus对花球区域内部颜色分布均一性进行连续量化，反映局部偏色、斑驳和颜色异质性；

57、5)实现输入图像后自动输出花球分割结果、bcps评分和bcus评分，适用于表型评价、品质分析、育种筛选和采后分级。

58、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。