[發(fā)明專利]基于圖像的甘蔗覆蓋度自動(dòng)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611245872.X
• 申請(qǐng)日: 2016-12-29
• 公開（公告）號(hào): CN106845366B
• 公開（公告）日: 2020-03-27
• 發(fā)明（設(shè)計(jì)）人: 周振;韓冰;許立兵;周望;孫涵;蔡斌輝;黃敬峰
• 申請(qǐng)（專利權(quán)）人: 江蘇省無線電科學(xué)研究所有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 無錫市大為專利商標(biāo)事務(wù)所(普通合伙) 32104
• 代理人: 殷紅梅

本發(fā)明涉及一種檢測(cè)方法，尤其是一種基于圖像的甘蔗覆蓋度自動(dòng)檢測(cè)方法，屬于甘蔗圖像處理的技術(shù)領(lǐng)域。本發(fā)明以數(shù)碼攝像機(jī)在田間實(shí)時(shí)掃描采集的全景圖像序列為對(duì)象，從圖像特征上實(shí)時(shí)自動(dòng)檢測(cè)甘蔗覆蓋度等信息，便于甘蔗生育期判識(shí)和產(chǎn)量預(yù)測(cè)，開展精細(xì)化農(nóng)業(yè)生產(chǎn)，檢測(cè)結(jié)果準(zhǔn)確率高、實(shí)用性強(qiáng)、信息獲取速度快，安全可靠。

技術(shù)領(lǐng)域

本發(fā)明涉及一種檢測(cè)方法，尤其是一種基于圖像的甘蔗覆蓋度自動(dòng)檢測(cè)方法，屬于甘蔗圖像處理的技術(shù)領(lǐng)域。

背景技術(shù)

甘蔗是我國(guó)和世界上最重要的糖料作物和能源作物之一。我國(guó)是世界第三大糖生產(chǎn)國(guó)，主要產(chǎn)地分布在廣西，其次在云南、海南、廣東的湛江地區(qū)，福建、四川、湖南等地也有少量甘蔗種植。甘蔗生產(chǎn)對(duì)我國(guó)的農(nóng)業(yè)和農(nóng)村經(jīng)濟(jì)發(fā)展、農(nóng)民增收等方面起著非常重要的作用。

甘蔗覆蓋度信息對(duì)甘蔗生育期和生長(zhǎng)狀況的判視有重要的作用，還可以提高作物產(chǎn)量預(yù)測(cè)的準(zhǔn)確性，有效而準(zhǔn)確的識(shí)別是農(nóng)業(yè)氣象觀測(cè)的重要內(nèi)容。一直以來，對(duì)于甘蔗覆蓋度的觀測(cè)主要是通過人工觀測(cè)的方式，由于甘蔗的種植地域廣、生長(zhǎng)周期長(zhǎng)，利用人工進(jìn)行觀測(cè)不但費(fèi)時(shí)、費(fèi)力、費(fèi)工，觀測(cè)結(jié)果的主觀臆斷性較大，沒有辦法保證精確度，這一現(xiàn)狀迫切需要改變。

目前，國(guó)內(nèi)外學(xué)者多采用衛(wèi)星數(shù)據(jù)利用遙感技術(shù)對(duì)甘蔗作物進(jìn)行大范圍監(jiān)測(cè)，通過構(gòu)建遙感影像中作物的植被指數(shù)與作物長(zhǎng)勢(shì)之間的線性或非線性模型，以達(dá)到監(jiān)測(cè)作物長(zhǎng)勢(shì)的目的。由于目前在用的遙感衛(wèi)星數(shù)據(jù)空間分辨均相對(duì)較低(數(shù)百米至數(shù)公里)，儼然，較低的空間分辨率無法滿足目前日趨精細(xì)化的農(nóng)業(yè)生產(chǎn)要求。此外，由于遙感圖像容易受到云層、降水和氣溶膠等天氣影響，致使所獲取的遙感影像多存在不同程度的斑點(diǎn)，大量信息缺失，影響到研究區(qū)作物的觀測(cè)；遙感衛(wèi)星由于其觀測(cè)周期的限制，每天在固定區(qū)域僅可獲取較少圖像，因此利用遙感影像對(duì)作物進(jìn)行實(shí)時(shí)觀測(cè)存在較大的局限性。

可見，基于遙感圖像方式并不是甘蔗覆蓋度自動(dòng)觀測(cè)的最好選擇，目前仍需一種高空間分辨率、長(zhǎng)時(shí)間序列、實(shí)用性強(qiáng)和操作方便的方式來代替人工觀測(cè)。目前，國(guó)內(nèi)利用數(shù)碼攝像機(jī)觀測(cè)甘蔗覆蓋度信息尚處于起步階段，難以滿足具體觀測(cè)的需求。

發(fā)明內(nèi)容

本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的不足，提供一種基于圖像的甘蔗覆蓋度自動(dòng)檢測(cè)方法，其能實(shí)現(xiàn)對(duì)蓋著覆蓋度的自動(dòng)檢測(cè)，檢測(cè)精度高，實(shí)用性強(qiáng)，安全可靠。

按照本發(fā)明提供的技術(shù)方案，一種基于圖像的甘蔗覆蓋度自動(dòng)檢測(cè)方法，所述甘蔗覆蓋度自動(dòng)檢測(cè)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(zhuǎn)換至Lab色彩模型空間，并根據(jù)Lab色彩模型空間獲取甘蔗圖像對(duì)應(yīng)a色彩通道以及b色彩通道；

步驟2、對(duì)上述Lab色彩模型空間的a色彩通道進(jìn)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(shù)值為1的像元代表甘蔗作物信息，數(shù)值為0的像元信息代表為背景信息；根據(jù)a色彩通道的二值圖像，計(jì)算得到初步甘蔗覆蓋度，當(dāng)所述初步甘蔗覆蓋度低于初步覆蓋度閾值時(shí)，跳轉(zhuǎn)至步驟6，否則，執(zhí)行步驟3；

步驟3、將甘蔗圖像進(jìn)行灰度轉(zhuǎn)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(dāng)灰度峰值大于第一灰度閾值時(shí)，根據(jù)遞增變化總量訓(xùn)練兩個(gè)聚類樣本，當(dāng)灰度峰值小于第二灰度閾值時(shí)，根據(jù)遞增變化總量訓(xùn)練兩個(gè)聚類樣本，當(dāng)灰度峰值大于第二灰度閾值且小于第一灰度閾值時(shí)，根據(jù)遞增變化總量訓(xùn)練四個(gè)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(shù)K＝2，訓(xùn)練樣本在Lab色彩模型空間下作物的a色彩通道、b色彩通道值分別表示為Crop_a、Crop_b，訓(xùn)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(shù)值、b色彩通道數(shù)值(分別為Pixel_a和Pixel_b)與訓(xùn)練樣本基于方差最小原則進(jìn)行吻合度檢驗(yàn)，對(duì)甘蔗圖像進(jìn)行非監(jiān)督分類，如下式所示；