[發明專利]空間植物的圖像分析方法在審
| 申請號: | 201811330633.3 | 申請日: | 2018-11-09 |
| 公開(公告)號: | CN109635811A | 公開(公告)日: | 2019-04-16 |
| 發明(設計)人: | 段江永;郭麗麗 | 申請(專利權)人: | 中國科學院空間應用工程與技術中心 |
| 主分類號: | G06K9/34 | 分類號: | G06K9/34;G06N3/04 |
| 代理公司: | 北京輕創知識產權代理有限公司 11212 | 代理人: | 楊立;陳熙 |
| 地址: | 100094*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 圖像分析 植物圖像 卷積 圖像分割結果 網絡模型 多特征融合 分類處理 空間場景 特征提取 圖像分割 植物信息 多尺度 分析 圖像 檢測 網絡 | ||
1.一種空間植物的圖像分析方法,其特征在于,包括:
建立用于對空間植物圖像進行圖像分割的深度卷積網絡模型;
將待檢測的空間植物圖像輸入到所述深度卷積網絡模型中,對所述空間植物圖像進行多尺度的特征提取和分類處理,得到圖像分割結果;
根據所述圖像分割結果,對所述空間植物進行分析。
2.根據權利要求1所述的圖像分析方法,其特征在于,所述深度卷積網絡模型包括依次連接的輸入層、至少兩個卷積層、超列層、全連接層和輸出層。
3.根據權利要求2所述的圖像分析方法,其特征在于,所述將待檢測的空間植物圖像輸入到所述深度卷積網絡模型中,對所述空間植物圖像進行多尺度的特征提取和分類處理,得到圖像分割結果,具體包括:
所述輸入層獲取待檢測的所述空間植物圖像的各個區域塊;
每個所述卷積層分別提取所述空間植物圖像的各個區域塊的多尺度特征;
所述超列層將所述多尺度特征進行連接,作為所述空間植物圖像的各個區域塊的特征向量;
所述全連接層對所述特征向量進行分類,得到所述空間植物圖像的各個區域塊的中心像素的圖像分割結果;
所述輸出層輸出所述圖像分割結果。
4.根據權利要求1所述的圖像分析方法,其特征在于,所述將待檢測的空間植物圖像輸入到所述深度卷積網絡模型中之前,還包括:
獲取多張空間植物圖像;
分別將每張所述空間植物圖像劃分成多個大小為預設尺寸的圖像區域;
分別對每張所述空間圖像的各個所述圖像區域進行植物與非植物的標注,并分別將每張所述空間圖像的各個所述圖像區域的中心像素作為圖像標簽,將所述中心像素以外的像素作為在訓練中提供像素間相關性的特征信息;
根據全部所述圖像區域,以及每個所述圖像區域的圖像標簽和特征信息對所述深度卷積網絡模型的參數進行優化。
5.根據權利要求1所述的圖像分析方法,其特征在于,所述根據所述圖像分割結果,對所述空間植物進行分析之前,還包括:
提取所述圖像分割結果中的連通區域;
判斷所述連通區域的面積是否小于預設閾值,如果小于,則去除所述連通區域。
6.根據權利要求1至5中任一項所述的圖像分析方法,其特征在于,所述根據所述圖像分割結果,對所述空間植物進行分析,具體包括:
根據所述圖像分割結果,分別提取所述空間植物圖像中植物的面積、骨架長度和邊緣周長;
根據所述植物的面積、骨架長度和邊緣周長,得到所述植物的生長態勢信息。
7.根據權利要求6所述的圖像分析方法,其特征在于,提取所述空間植物圖像中植物的面積,具體包括:
統計所述圖像分割結果中屬于植物的像素個數,并根據全部所述像素個數得到植物的面積。
8.根據權利要求6所述的圖像分析方法,其特征在于,提取所述植物的骨架長度,具體包括:
根據Hilditch細化算法對所述圖像分割結果中的植物葉片進行細化,得到所述植物的骨架圖像;
根據所述植物的骨架圖像計算得到所述植物的骨架長度。
9.根據權利要求6所述的圖像分析方法,其特征在于,提取所述植物的邊緣周長,具體包括:
根據Canny邊緣檢測算子從所述圖像分割結果中獲取所述植物的邊緣輪廓圖像;
根據所述植物的邊緣輪廓圖像計算得到所述植物的邊緣周長。
10.一種存儲介質,其特征在于,所述存儲介質中存儲有指令,當計算機讀取所述指令時,使所述計算機執行如權利要求1至9中任一項所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國科學院空間應用工程與技術中心,未經中國科學院空間應用工程與技術中心許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811330633.3/1.html,轉載請聲明來源鉆瓜專利網。





