[發(fā)明專利]一種植物冠層結(jié)構(gòu)性狀分析方法

有效

• 申請?zhí)枺?/td>: 201910588033.5
• 申請日: 2019-07-02
• 公開（公告）號: CN110288594B
• 公開（公告）日: 2021-06-04
• 發(fā)明（設(shè)計）人: 程曼;袁洪波;蔡振江
• 申請（專利權(quán)）人: 河北農(nóng)業(yè)大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/60
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 李興林

1.一種植物冠層結(jié)構(gòu)性狀分析方法，其特征在于包括以下步驟：

A、根據(jù)植物冠層高度信息，得到三維點云數(shù)據(jù)，然后根據(jù)三維點云數(shù)據(jù)將目標(biāo)植株有效冠層高度值構(gòu)建成一個冠層高度矩陣，冠層高度矩陣中每一行代表一條直線上冠層的高度數(shù)據(jù)，即一個掃描平面上或冠層深度圖像中一行的高度值；

B、將冠層高度矩陣數(shù)據(jù)生成灰度圖像，灰度圖像取值范圍為0～255；

C、計算灰度圖像的熵，并進(jìn)行邊緣提取；

D、計算二值圖像轉(zhuǎn)換閾值；

E、根據(jù)計算得到的轉(zhuǎn)換閾值對灰度圖像進(jìn)行轉(zhuǎn)換，灰度圖像中大于閾值的像素點數(shù)值轉(zhuǎn)換為1，否則轉(zhuǎn)換為0；

F、以二值圖像為基礎(chǔ)，對冠層結(jié)構(gòu)性狀的表型信息特征指數(shù)進(jìn)行分析；

步驟B中，在生成灰度圖像前，首先將冠層高度矩陣進(jìn)行歸一化處理，處理方法為，

其中，Value_normal為冠層高度值歸一化之后的值，Value_orgin為冠層高度原始值，Value_min、Value_max分別為冠層高度矩陣中最小和最大值；

步驟B中，對灰度圖像進(jìn)行去噪處理，包括以下步驟，

B1、對灰度圖像進(jìn)行小波分解，得到n層圖像分量；

B2、對第一層圖像分量進(jìn)行聚類分析，使用得到的第一層圖像分量的聚類中心集合對第二層圖像分量進(jìn)行聚類分析，然后根據(jù)第二層圖像分量的聚類結(jié)果對第二層圖像分量的聚類中心集合進(jìn)行修正，使用修正后的第二層圖像分量的聚類中心集合對第三層圖像分量進(jìn)行聚類分析，以此類推，直至全部n層圖像分量均完成聚類分析處理；將修正前后的聚類中心定義為相關(guān)聚類中心；

B3、將不同圖像分量層中相關(guān)聚類中心對應(yīng)的聚類集合進(jìn)行正則化處理；

B4、對n層圖像分量進(jìn)行小波重構(gòu)，得到處理后的灰度圖像。

2.根據(jù)權(quán)利要求1所述的植物冠層結(jié)構(gòu)性狀分析方法，其特征在于：步驟C中，灰度圖像熵的計算方法為，

其中，i代表像素灰度值大小，j代表鄰域灰度平均值，P_ij代表鄰域灰度平均值為j的灰度值i出現(xiàn)的概率，f(i，j)代表特征二元組(i，j)出現(xiàn)的頻數(shù)，N代表圖像的尺度，H就是所求的熵。

3.根據(jù)權(quán)利要求2所述的植物冠層結(jié)構(gòu)性狀分析方法，其特征在于：步驟D中，轉(zhuǎn)換閾值的計算方法為，

其中，k和l分別代表冠層高度矩陣的列數(shù)量和行數(shù)量，Graypixel_p,q表示第q行第p列中的像素值，Threshold即為所求轉(zhuǎn)換閾值。

4.根據(jù)權(quán)利要求3所述的植物冠層結(jié)構(gòu)性狀分析方法，其特征在于：步驟F中，

熵值越大，灰度值越豐富，即冠層的高度值變化趨勢越緩慢，波峰和波谷越不明顯，高度分布越平衡；熵值越大，邊緣相對越明顯；

二值圖像連通區(qū)域的數(shù)量少且平均面積大說明冠層的葉片分布密度大且高度變化平緩；歐拉數(shù)越大圖像中孔洞數(shù)越小，由冠層高度矩陣轉(zhuǎn)換過來的冠層圖像的邊緣相對平滑且鋸齒越少。