[發明專利]采用最大輪廓矩形法檢測果樹樹葉稀密程度的方法

在審

• 申請號: 201410246400.0
• 申請日: 2014-06-05
• 公開（公告）號: CN104132650A
• 公開（公告）日: 2014-11-05
• 發明（設計）人: 張富貴;沈明明;袁奎;吳雪梅;劉國志;陳宇熠
• 申請（專利權）人: 貴州大學
• 主分類號: G01C11/00
• 分類號: G01C11/00
• 代理公司: 貴陽中新專利商標事務所 52100
• 代理人: 李亮;程新敏

技術領域

本發明涉及圖像處理技術領域，尤其是一種采用最大輪廓矩形法檢測果樹樹葉稀密程度的方法。?

背景技術

果樹樹葉稀密程度的實時快速檢測是基于實時的變量噴霧的關鍵技術。關于單株果樹生物量密度的概念，目前國內外還沒有確切的定義。國外主要集中于森林或木材生物量密度及區域作物的生物量密度研究，但針對單株果樹生物量密度進行研究的學者很少。果樹樹葉稀密程度是指一幅果樹圖像中樹葉與樹干占整個果樹圖像的面積比。現有方法將采集圖像時相機所設定圖像的大小作為整個果樹圖像的面積，但該值比果樹實際輪廓面積要大，從而導致計算的果樹樹葉稀密程度值比實際偏小；該方法還要求在同一成像距離下采集樣本作為標準，其后再采用BP數據融合技術消除成像距離對果樹樹葉稀密程度檢測結果的影響。?

發明內容

本發明所要解決的技術問題是：提供一種采用最大輪廓矩形法檢測果樹樹葉稀密程度的方法，它可以解決現有法檢測樹葉稀密程度值比實際值偏小且受成像距離影響的問題，能準確反映果樹的生物量密度水平，以克服現有技術的不足。?

本發明是這樣實現的：采用最大輪廓矩形法檢測果樹樹葉稀密程度的方法，包括如下步驟：?

1）通過圖像的識別技術，利用超綠色法與Otsu算法結合，識別出清晰的果樹二值化圖像；

2）將步驟1）中的果樹二值化圖像進行中值濾波去噪，

3）將步驟2）中的去噪圖像通過開啟運算，即分別連續4次腐蝕和4次膨脹來消除雜質；

4）將步驟3）獲得的圖像進行膨脹運算處理，以消除圖像中的空洞；增加了代表果樹的白色區域，解決了錯分的問題；

5）將經過步驟4）處理過的圖像利用最大輪廓矩形法檢測其所占的最大輪廓，包括果樹圖像的長及寬，然后以此計算出果樹圖像的輪廓面積；

5）計算出圖像中果樹的樹葉樹干所占的面積；

6）利用步驟4）計算出的果樹的樹葉所占的面積除以果樹圖像的輪廓面積的值即為果樹樹葉稀密程度。

步驟2）中所述的形態學處理具體指：1）將中值濾波后的果樹圖像先連續進行4次腐蝕，然后連續進行4次膨脹，腐蝕與膨脹的機構元素都相同。連續4次腐蝕與膨脹能將果樹圖像中的獨立像素點（雜草和土壤）較好的去除，且果樹圖像輪廓變得光滑，凸顯了果樹圖像。?

步驟4）中所述的利用最大輪廓矩形法檢測其所占的最大輪廓具體是指，通過檢測步驟3）中處理過的圖像中整棵果樹最大輪廓所占的面積A，即檢測果樹水平和垂直兩個方向的最大邊界所占的像素數量，再計算這兩邊界為長和寬的矩形面積即為果樹整個圖像的面積A；再檢測整幅圖像中樹葉與樹干的面積m，即在該果樹二值圖像中，果樹樹葉和樹干對應的像素值為1，統計像素值為1所占的像素數即為整幅圖像中樹葉與樹干所占的面積m，則根據式（1）計算樹葉稀密程度η：?

式（1）中，η表示果樹樹葉稀密度，m表示該幅圖中果樹樹干與樹葉所占的面積；A表示果樹整個圖像的面積。A的面積是根據果樹實際的大小而變的，因此，m和A是可變值，只與果樹自身的生長狀況有關。