[發明專利]一種基于聚類分析的薇甘菊監測方法

有效

• 申請號: 202010123100.9
• 申請日: 2020-02-27
• 公開（公告）號: CN111339953B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 李巖舟;王明暉;李想;俞星河;藍海斯;韋冬梅;田洪坤;王天海;劉亞東;磨俊全
• 申請（專利權）人: 廣西大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/26;G06V10/56;G06V10/762;G06T3/40
• 代理公司: 廣西中知華譽知識產權代理有限公司 45140
• 代理人: 趙龍

1.一種基于聚類分析的薇甘菊監測方法，其特征在于，包括如下步驟：

步驟S1，通過無人機所搭載的相機對待監測地區進行等間隔拍攝，得到多張薇甘菊航拍圖，將薇甘菊航拍圖傳輸到計算機，所述計算機包括圖像預處理模塊、圖像增強模塊、聚類分析模塊以及輸出模塊；

步驟S2，所述薇甘菊航拍圖經過圖像預處理模塊處理后，得到RGB三通道圖像；

步驟S3，所述RGB三通道圖像經過圖像增強模塊處理后，得到粗分割圖像；所述圖像增強模塊對所述RGB三通道圖像進行處理的過程為：將所述RGB三通道圖像由RGB顏色空間轉換到LAB空間，對所述轉換到LAB空間的圖像進行二值化處理，得到二值圖像，其中所述二值化處理的閾值是由最大類間方差法處理得到的全局圖像閾值；在所述二值圖像中，提取值為0的像素點坐標，將像素點坐標在所述RGB三通道圖像中對應的R通道值設為0、G通道值設為0、B通道值設為0，得到所述粗分割圖像，所述粗分割圖像包括薇甘菊的顏色與紋理信息、地面的顏色與紋理信息、黑色背景；

步驟S4，所述粗分割圖像經過聚類分析模塊處理后，得到細分割圖像；所述聚類分析模塊對所述RGB三通道圖像進行處理的過程為：根據所述粗分割圖像，結合K均值聚類算法進行，以K為輸入參數，把N個對象集合分為K個簇，目標是各簇內的相似度非常高，簇之間的相似度非常低；確定初始聚類數量，選取K個初始聚類中心，根據所述初始聚類中心對像素點的特征向量進行聚類，獲取新的聚類中心；根據新的聚類中心對各通道矩陣的特征矩陣中的特征向量進行聚類，不斷迭代，當最新的迭代結果的薇甘菊準確率低于上一次的迭代結果時，結束迭代，根據聚類結果確定各像素點所屬區域類型并繪制細分割圖像；

步驟S5，根據無人機飛行高度參數和相機廣角參數，所述細分割圖像經過輸出模塊處理后，得到薇甘菊分布圖和薇甘菊分布面積；所述輸出模塊對所述細分割圖像進行處理的過程為：在所述細分割圖像中，提取薇甘菊區域的像素點坐標，將像素點坐標在所述RGB三通道圖像中對應的R通道值設為255、G通道值設為255、B通道值設為0，得到所述薇甘菊分布圖，其中標注為黃色的是薇甘菊。

2.如權利要求1所述的基于聚類分析的薇甘菊監測方法，其特征在于，所述步驟S2中，所述圖像預處理模塊對所述薇甘菊航拍圖進行處理的過程為：通過計算機對獲取到的所述薇甘菊航拍圖進行拼接處理，獲得所述待監測地區的三維點云、數字表面模型、數字高程模型和數字正攝影像；通過地面控制點精確校正拼接影像的空間坐標，生成所述RGB三通道圖像。

3.如權利要求1所述的基于聚類分析的薇甘菊監測方法，其特征在于，所述步驟S5中，獲取薇甘菊分布面積的方法為：在所述細分割圖像中，計算薇甘菊區域的像素點個數，計算所述細分割圖像的像素點總數，利用所述薇甘菊區域的像素點個數除以像素點總數，得到薇甘菊分布面積百分比；根據無人機飛行高度參數和相機廣角參數，得到所述RGB三通道圖像所代表的圖像實際對應面積；利用所述薇甘菊分布面積百分比乘以所述圖像實際對應面積，得到所述薇甘菊分布面積。

4.如權利要求1所述的基于聚類分析的薇甘菊監測方法，其特征在于，所述無人機飛行高度為距離冠層之上20-30m處，所述相機為全畫幅單鏡頭反光高分辨率數碼相機。

5.如權利要求1所述的基于聚類分析的薇甘菊監測方法，其特征在于，所述無人機的型號為DJI M600PRO六旋翼飛行器，所述相機型號為Nikon D850全畫幅單鏡頭反光數碼相機。

6.如權利要求1所述的基于聚類分析的薇甘菊監測方法，其特征在于，所述無人機航向重疊率為80％，旁向重疊率為80％，航高為50m。