[發明專利]基于圖像的甘蔗覆蓋度自動檢測方法

有效

• 申請號: 201611245872.X
• 申請日: 2016-12-29
• 公開（公告）號: CN106845366B
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 周振;韓冰;許立兵;周望;孫涵;蔡斌輝;黃敬峰
• 申請（專利權）人: 江蘇省無線電科學研究所有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 無錫市大為專利商標事務所(普通合伙) 32104
• 代理人: 殷紅梅

1.一種基于圖像的甘蔗覆蓋度自動檢測方法，其特征是，所述甘蔗覆蓋度自動檢測方法包括如下步驟：

步驟1、提供僅包含甘蔗作物和土地的甘蔗圖像，并將所述甘蔗圖像由RGB模型轉換至Lab色彩模型空間，并根據Lab色彩模型空間獲取甘蔗圖像對應a色彩通道以及b色彩通道；

步驟2、對上述Lab色彩模型空間的a色彩通道進行初步地物分割，以獲取a色彩通道的二值圖像，a色彩通道二值圖像中，數值為1的像元代表甘蔗作物信息，數值為0的像元信息代表為背景信息；根據a色彩通道的二值圖像，計算得到初步甘蔗覆蓋度，當所述初步甘蔗覆蓋度低于初步覆蓋度閾值時，跳轉至步驟6，否則，執行步驟3；

步驟3、將甘蔗圖像進行灰度轉換，并獲取灰度直方圖以及灰度峰值與遞增變化總量；

步驟4、當灰度峰值大于第一灰度閾值時，根據遞增變化總量訓練兩個聚類樣本，當灰度峰值小于第二灰度閾值時，根據遞增變化總量訓練兩個聚類樣本，當灰度峰值大于第二灰度閾值且小于第一灰度閾值時，根據遞增變化總量訓練四個聚類樣本，第二灰度閾值小于第一灰度閾值；

步驟5、采用K-Means聚類方法，選擇聚類樣本數K=2，訓練樣本在Lab色彩模型空間下甘蔗作物的a色彩通道、b色彩通道值分別表示為Crop_a、Crop_b，訓練樣本中在Lab色彩模型空間下背景的a色彩通道、b色彩通道值分別表示為Back_a、Back_b；將甘蔗圖像的Lab色彩模型空間的a色彩通道數值Pixel_a、b色彩通道數值Pixel_b與訓練樣本基于方差最小原則進行吻合度檢驗，對甘蔗圖像進行非監督分類，如下式所示；

M = (Pixel_a - Crop_a)²+(Pixel_b - Crop_b)²

N = (Pixel_a - Back_a)²+(Pixel_b - Back_b)²

其中，Pixel_a為甘蔗圖像的Lab色彩模型空間的a色彩通道數值，Pixel_b為甘蔗圖像的Lab色彩模型空間的b色彩通道數值，M為像元與作物訓練樣本的匹配方差，N為像元與背景訓練樣本的匹配方差；

當M>=N時，判定當前像元為背景像元，將當前像元值置0；當M<N時，判定當前像元為作物像元，將當前像元值置1，完成分類后甘蔗圖像的二值轉換；

步驟6、對甘蔗二值圖像，去除區域面積小于20的斑塊，且獲取各連通區域具有相同標準二階中心矩的橢圓的長軸長度及短軸長度，當長軸長度和短軸長度比值大于長度判斷閾值時，將當前區域判斷為甘蔗像元；當長軸長度和短軸長度比值小于等于長度判斷閾值時，判定當前區域判斷為非作物區域，以得到甘蔗圖像的最終二值圖像；

步驟7、根據上述甘蔗圖像的最終二值圖像，計算甘蔗像元占總像元的比例，以得到甘蔗實時覆蓋度。

2.根據權利要求1所述的基于圖像的甘蔗覆蓋度自動檢測方法，其特征是：所述長度判斷閾值為1.1。