[發(fā)明專利]一種水稻移栽后密度自動(dòng)檢測(cè)的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110336855.8
• 申請(qǐng)日: 2011-10-31
• 公開（公告）號(hào): CN102542560A
• 公開（公告）日: 2012-07-04
• 發(fā)明（設(shè)計(jì)）人: 曹治國(guó);白曉東;余正泓;鄢睿丞;吳茜;王玉;張雪芬;薛紅喜;李翠娜
• 申請(qǐng)（專利權(quán)）人: 華中科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 李智

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字圖像處理和農(nóng)業(yè)氣象觀測(cè)交叉領(lǐng)域，具體涉及到一種水稻移栽后密度的自動(dòng)檢測(cè)方法，即以田間拍攝的水稻圖像序列為對(duì)象，從圖像特征上檢測(cè)水稻種植密度的方法。

背景技術(shù)

水稻是我國(guó)主要的糧食作物之一，在我國(guó)南方廣泛種植。一直以來，對(duì)于水稻各個(gè)發(fā)育期的觀測(cè)主要是通過人工觀測(cè)，受觀測(cè)員主觀因素的影響較大；同時(shí)由于水稻種植地域廣、生長(zhǎng)周期長(zhǎng)，利用人工觀測(cè)顯然不夠經(jīng)濟(jì)。因此，通過每天所拍攝的稻田圖像，借助圖像處理的手段，對(duì)其生長(zhǎng)發(fā)育進(jìn)行檢測(cè)顯得十分必要。水稻種植密度是田間水稻檢測(cè)的一個(gè)重要環(huán)節(jié)，準(zhǔn)確識(shí)別水稻種植密度，可以便與后期相關(guān)的田間作業(yè)，它是農(nóng)業(yè)氣象觀測(cè)的一個(gè)重要內(nèi)容。

2009年劉海娟在碩士論文“基于圖像處理的水稻成熟期密度檢測(cè)”中提出了一種利用圖像檢測(cè)水稻冠層密度分布的方法，利用檢測(cè)到的冠層密度實(shí)時(shí)對(duì)聯(lián)合收割機(jī)工作過程的調(diào)整喂入量，以便減少水稻在收割過程中的損失；2008年高建峰發(fā)表論文“輔以ETM的MODIS水稻種植面積監(jiān)視研究”探索了ETM輔助下新一代衛(wèi)星傳感器MODIS在更小空間尺度下監(jiān)視水稻種植面積。2005年田翠玲在碩士論文“水稻長(zhǎng)勢(shì)遙感監(jiān)測(cè)與產(chǎn)量預(yù)報(bào)復(fù)合建模研究”中利用NOAA衛(wèi)星的可見光通道和近紅外通道，構(gòu)造植被指數(shù)(NDVI)，結(jié)合地面樣區(qū)實(shí)測(cè)葉面積指數(shù)，進(jìn)行水稻的葉面積指數(shù)的遙感監(jiān)測(cè)與產(chǎn)量的預(yù)報(bào)。以上方法中田翠玲和高建峰是利用遙感數(shù)據(jù)對(duì)水稻的種植面積進(jìn)行確定，利用時(shí)間序列中水稻的葉面積指數(shù)，但由于遙感圖像分辨率低，且容易受到云層、云陰影和氣溶膠等影響，獲得的水稻種植面積誤差較大，無法準(zhǔn)確獲得水稻的種植密度。而劉海娟在碩士論文中只對(duì)水稻成熟期水稻的稻穗密度進(jìn)行估測(cè)，此方法仍不能用來進(jìn)行確定水稻的種植密度。然而，在農(nóng)業(yè)氣象觀測(cè)領(lǐng)域，主要通過利用稻田的水稻圖像實(shí)時(shí)的對(duì)水稻種植密度進(jìn)行較準(zhǔn)確的計(jì)算，以便及時(shí)指導(dǎo)后期間苗、估產(chǎn)等農(nóng)事活動(dòng)，而且稻田中水稻受浮萍等影響背景復(fù)雜，光照變化劇烈，上述利用遙感圖像等方法都不可行。

發(fā)明內(nèi)容

本發(fā)明目的在于提供一種水稻種植密度的自動(dòng)檢測(cè)方法，該方法利用田間水稻數(shù)字圖像準(zhǔn)確地檢測(cè)出水稻的種植密度。

一種水稻移栽后密度自動(dòng)檢測(cè)方法，具體為：

對(duì)水稻圖像進(jìn)行二值分割；

初始化R個(gè)半徑不同的圓形狀結(jié)構(gòu)元素StrEroded；

利用R個(gè)圓形狀結(jié)構(gòu)元素StrEroded對(duì)分割得到的二值圖像進(jìn)行腐蝕得到R個(gè)腐蝕結(jié)果bwerode_tR；

創(chuàng)建L個(gè)邊長(zhǎng)不同的方形形狀結(jié)構(gòu)元素StrDilate；

利用L個(gè)方形形狀結(jié)構(gòu)元素StrDilate對(duì)腐蝕結(jié)果bwerode_tR進(jìn)行膨脹，得到R×L個(gè)膨脹結(jié)果bwdilate_tRL；

檢測(cè)各膨脹結(jié)果bwdilate_tRL的異常連通域數(shù)量；

選取異常連通域數(shù)量從急劇下降到緩慢下降的轉(zhuǎn)折點(diǎn)對(duì)應(yīng)的方形形狀結(jié)構(gòu)元素作為最優(yōu)結(jié)構(gòu)膨脹元素；

利用最優(yōu)膨脹元素對(duì)腐蝕結(jié)果bwerode_tR進(jìn)行膨脹；

從利用最優(yōu)膨脹結(jié)構(gòu)元素對(duì)腐蝕結(jié)果bwerode_tR進(jìn)行膨脹的結(jié)果中選取連通域數(shù)量最多對(duì)應(yīng)的圓形狀結(jié)構(gòu)元素為最優(yōu)腐蝕結(jié)構(gòu)元素；

利用最優(yōu)腐蝕結(jié)構(gòu)元素和最優(yōu)膨脹結(jié)構(gòu)元素對(duì)二值圖像進(jìn)行先腐蝕再膨脹得到BWED_t；

統(tǒng)計(jì)BWED_t的連通域個(gè)數(shù)RegionNum_t；

計(jì)算水稻密度RiceNumt=RegionNumt×b×10.0015×SceneArea,]]>b為每個(gè)稻穴中植入水稻數(shù)量，SceneArea為相機(jī)場(chǎng)景面積。

進(jìn)一步地，所述異常連通域是指滿足公式(1)或(2)的連通域；

Distance≤K₁×MinDist????(1)