[發(fā)明專利]基于K均值聚類和寬度突變算法的田間麥穗計數(shù)方法

有效

• 申請?zhí)枺?/td>: 202010016353.6
• 申請日: 2020-01-08
• 公開（公告）號: CN111259925B
• 公開（公告）日: 2023-05-02
• 發(fā)明（設(shè)計）人: 張東彥;汪志存;陳雨;梁棟;黃文江;杜世州;張秋思;谷春艷
• 申請（專利權(quán)）人: 安徽大學(xué)
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/764;G06V10/774;G06T7/11;G06T7/155;G06T7/187
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 劉濤

1.一種基于K均值聚類和寬度突變算法的田間麥穗計數(shù)方法，其特征在于：包括如下步驟：

S1、采集麥穗原始圖像并對原始圖像進行預(yù)處理；

S2、對預(yù)處理后的圖像依次進行圖像變換、K均值聚類、形態(tài)學(xué)處理后得到麥穗粗分割圖；

S3、選擇隨機森林分類器，用滑窗法對訓(xùn)練集圖片滑窗取樣，進一步對麥穗粗分割圖進行細分割；

S4、根據(jù)每個連通域中的麥穗?yún)^(qū)域?qū)挾韧蛔兦闆r統(tǒng)計麥穗數(shù)量；

所述的步驟S1中，包括如下步驟：

S11、以黑布作為田間麥穗的背景，用高清相機拍攝麥穗原始RGB圖片；

S12、用矩形框裁剪出整個麥穗群體，去除多余的干擾背景；

S13、將裁剪后的圖片像素統(tǒng)一為M*M；

所述的步驟S2中，包括如下步驟：

S21、輸入裁剪后的RGB圖像，將其B分量替換成G分量，再用圖像增強得到新的RGG圖像；

S22、將RGB圖像轉(zhuǎn)換至HSI空間中得到Image1，將RGG圖像轉(zhuǎn)換至HSV空間中得到Image2；

S23、將Image1和Image2轉(zhuǎn)換至Lab空間后經(jīng)過K-means聚類處理后分別得到Image1'和Image2'；

S24、將Image1'和Image2'相減后得到Image3；

S25、將Image3與步驟S21中的RGB圖像相與后得到Image3'；

S26、對Image3'進行形態(tài)學(xué)處理后得到麥穗粗分割圖；

所述的步驟S3中，包括如下步驟：

S31、用隨機森林算法對麥穗粗分割圖進行分割得到麥穗二級細分割圖，其中選擇某一麥穗群體中的一個方位角對應(yīng)的圖片作為測試集，另外三個方位角對應(yīng)的圖片中隨機剪裁的區(qū)域作為訓(xùn)練集，訓(xùn)練集中麥穗?yún)^(qū)域樣本為10個、非麥穗?yún)^(qū)域樣本為15個；

S32、用隨機森林算法對麥穗二級細分割圖進行分割得到麥穗三級細分割圖，其中選擇麥穗二級細分割圖為測試集，訓(xùn)練集與步驟S31中一致，訓(xùn)練集中麥穗?yún)^(qū)域樣本為10個、地面區(qū)域樣本為7個；

以上兩個步驟中，滑動窗口、特征選擇、分類器均相同。

2.如權(quán)利要求1所述的基于K均值聚類和寬度突變算法的田間麥穗計數(shù)方法，其特征在于：所述的步驟S26中，包括如下步驟：先對Image3'進行腐蝕處理；然后進行膨脹處理；最后標記每個連通域，計算每個連通域的面積，剔除小于設(shè)定閾值的連通域即得到麥穗粗分割圖。

3.如權(quán)利要求1所述的基于K均值聚類和寬度突變算法的田間麥穗計數(shù)方法，其特征在于：所述的滑動窗口大小為8*8，特征選擇包括6個顏色特征、4個紋理特征、1個植被指數(shù)特征和7個形狀特征：對RGB和Lab顏色特征進行卷積得到6個顏色特征：Conv2(R)、Conv2(G)、Conv2(B)、Conv2(L)、Conv2(a)和Conv2(b)，卷積核大小為2*2；由灰度共生矩陣GLCM產(chǎn)生4個紋理特征：對比度、一致性、能量和相關(guān)性；歸一化綠紅綠藍差異植被指數(shù)：，其中增強因子等于2；7個Hu不變矩作為形狀特征。

4.如權(quán)利要求1所述的基于K均值聚類和寬度突變算法的田間麥穗計數(shù)方法，其特征在于：所述的步驟S4中，包括如下步驟：

S41、劃分連通域，確定各個連通域的最小點坐標、最大點坐標和高度，計算各個連通域的傾斜角angle；

S42、選擇一個連通域，依據(jù)該連通域的angle將該連通域旋轉(zhuǎn)成水平；

S43、若該連通域的高度小于設(shè)定的高度閾值且寬度小于設(shè)定的寬度閾值thresh_weight時，判斷為非麥穗?yún)^(qū)域，舍棄該連通域，返回步驟S42選擇下一個連通域，否則執(zhí)行下一步；

S44、逐行掃描該連通域，計算i行和i+1行之間的寬度變化率rate，若rate大于設(shè)定值thresh_rate，把i行和i+1行最右邊的點標記為寬度突變點，直至該連通域掃描完成；

S45、標記該連通域左上角點為起始點、右下角點為終止點，去除距離過近的突變點；

S46、若標記點只有起始點和終止點，則麥穗數(shù)加1；

S47、若標記點有起始點、終止點以及突變點，則將所有標記點連線，計算相鄰連線之間的斜率差值K，若Kthresh_k，則麥穗數(shù)加1，所有斜率差值K判斷完畢后返回步驟S42選擇下一個連通域，所有連通域處理完畢后輸出麥穗數(shù)。