專利名稱：一種小麥出苗的自動(dòng)檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)視覺和農(nóng)業(yè)氣象觀測交叉領(lǐng)域，具體涉及一種小麥出苗的自動(dòng)檢測方法，即以拍攝的田間小麥圖像序列為對象，從圖像特征上檢測小麥?zhǔn)欠癯雒绲姆椒ā?br> 背景技術(shù)：
小麥?zhǔn)鞘澜缟峡偖a(chǎn)量第二的糧食作物，在我國東北、華北、華東等地區(qū)大范圍種植。小麥的整個(gè)發(fā)育期、產(chǎn)量和質(zhì)量容易受到氣候變化的影響。一直以來，對于小麥各發(fā)育期的觀測主要是通過人工觀測的方式，受觀察員主觀因素的影響很大；同時(shí)由于小麥的種植地域廣、生長周期長，利用人工進(jìn)行觀測也不夠經(jīng)濟(jì)，沒有辦法保證精確度。因此，通過每天幾個(gè)時(shí)段所拍攝的小麥圖像，借助圖像處理、信息匯總能手段，對其發(fā)育期進(jìn)行觀測就顯得十分必要。小麥的出苗期是小麥生長的第一個(gè)階段，此階段是小麥生長的重要時(shí)期，該時(shí) 期的檢測是農(nóng)業(yè)氣象觀測的一個(gè)重要內(nèi)容，有效而準(zhǔn)確的識(shí)別這一時(shí)期并應(yīng)用于作物生長模型，可以提高作物產(chǎn)量預(yù)測的準(zhǔn)確性。基于圖像的小麥出苗期自動(dòng)檢測技術(shù)目前尚未見公開報(bào)道?，F(xiàn)有的文獻(xiàn)都是圍繞遙感圖像開展小麥長勢及估產(chǎn)的研究。如2009年楊玉永在碩士論文“山東省小麥封壟前旱情遙感監(jiān)測業(yè)務(wù)化運(yùn)行模型研究”中將熱慣量模型與MODIS數(shù)據(jù)源相結(jié)合構(gòu)建了小麥封壟前旱情遙感監(jiān)測模型，根據(jù)小麥生育期不同階段需水量的差異，提出了針對小麥長勢的旱情評價(jià)指標(biāo)，根據(jù)監(jiān)測結(jié)果可以對山東省小麥旱情進(jìn)行跟蹤；2009年李衛(wèi)國、李正金、申雙和在《江蘇農(nóng)業(yè)科學(xué)》上發(fā)表的“小麥遙感估產(chǎn)研究現(xiàn)狀及趨勢分析”中就小麥遙感估產(chǎn)精度的提高、遙感和模型結(jié)合的估產(chǎn)研究與應(yīng)用、極端氣候條件下的遙感估產(chǎn)以及遙感估產(chǎn)技術(shù)的信息集成化做了闡述；2010年李衛(wèi)國、李花等在《麥類作物學(xué)報(bào)》上發(fā)表的“基于Landsat/TM遙感的冬小麥長勢分級(jí)監(jiān)測研究”文章中利用遙感技術(shù)為冬小麥長勢分級(jí)監(jiān)測預(yù)報(bào)中的應(yīng)用提供了依據(jù)，提取冬小麥的種植面積并分析了長勢情況。以上對小麥產(chǎn)量、生長狀況的監(jiān)測都是利用遙感數(shù)據(jù)確定的，但由于遙感圖像分辨率低，且容易受到云層、云陰影和氣溶膠等影響，每天在固定區(qū)域也僅有單張圖像可以使用，有較大的局限性?？梢?，基于遙感圖像的檢測方式不是小麥出苗期自動(dòng)檢測的一種較好選擇，目前函需一種準(zhǔn)確率高、實(shí)用性強(qiáng)和操作方便的方式來代替出苗期人工檢測方式，以獲取小麥出苗的準(zhǔn)確時(shí)間，便于及時(shí)指導(dǎo)農(nóng)事活動(dòng)。

發(fā)明內(nèi)容
本發(fā)明目的在于提供一種小麥出苗的自動(dòng)檢測方法，以相機(jī)在小麥田間米集的圖像為處理對象，實(shí)時(shí)的對小麥出苗期進(jìn)行判斷，檢測結(jié)果準(zhǔn)確率高，實(shí)用性強(qiáng)。一種小麥出苗的自動(dòng)檢測方法，包括以下步驟對采用相機(jī)實(shí)時(shí)獲取的小麥田間圖像進(jìn)行分割得到小麥圖像；對所述小麥圖像進(jìn)行連通域識(shí)別，并標(biāo)記連通域的質(zhì)心；依據(jù)小麥圖像判別小麥的播種方向；
若所述小麥的播種方向?yàn)樗椒较?，則將小麥圖像從縱向上分為多個(gè)子區(qū)域，若所述小麥的播種方向?yàn)榇怪狈较?，則將小麥圖像從橫向上分為多個(gè)子區(qū)域；統(tǒng)計(jì)各子區(qū)域內(nèi)的連通域質(zhì)心個(gè)數(shù)，若連通域質(zhì)心個(gè)數(shù)大于預(yù)定子區(qū)域出苗判別閾值，則確定其對應(yīng)的子區(qū)域?yàn)槌雒缱訁^(qū)域，若出苗子區(qū)域個(gè)數(shù)大于圖像出苗判別閾值，則表明所述小麥圖像中的小麥進(jìn)入出苗期。進(jìn)一步地，所述對實(shí)時(shí)獲取的田間小麥圖像進(jìn)行分割得到小麥圖像的具體實(shí)現(xiàn)方式為對所述田間小麥圖像進(jìn)行圖像增強(qiáng)以突出小麥的綠色部分；針對田間小麥圖像的各個(gè)像素點(diǎn)，若像素點(diǎn)的主導(dǎo)顏色分量為綠色分量，則判別該像素點(diǎn)為小麥，從而得到小麥圖像。進(jìn)一步地，按如下方式判定像素點(diǎn)的主導(dǎo)顏色分量是否為綠色分量對于像素點(diǎn)(i，j)，若均滿足其綠色分量與紅色分量的比值Rati0_l(i，j) >= 1.3，以及其綠色分量與 藍(lán)色分量的比值Ratio_2(i，j) >=3. 5，則判定該像素點(diǎn)(i，j)的主導(dǎo)顏色分量為綠色分量。進(jìn)一步地，所述依據(jù)小麥圖像判別小麥的播種方向的具體實(shí)現(xiàn)方式為檢測并標(biāo)記小麥圖像中的直線；比較各直線兩端點(diǎn)的橫坐標(biāo)差值的絕對值與縱坐標(biāo)差值的絕對值的大小，若橫坐標(biāo)差值的絕對值大于縱坐標(biāo)差值的絕對值，則記該直線為水平量直線，否則記該直線為垂直量直線；若水平量直線的數(shù)量大于垂直量直線的數(shù)量，則判定小麥的播種方向?yàn)樗椒较?，否則，判定小麥的播種方向?yàn)榇怪狈较颉＿M(jìn)一步地，若所述小麥的播種方向?yàn)榇怪狈较?，則對小麥圖像進(jìn)行局部或者整體角度旋轉(zhuǎn)調(diào)整直到能獲取最多的出苗子區(qū)域。進(jìn)一步地，若一天內(nèi)的田間小麥圖像序列中有一半以上的圖像表明小麥進(jìn)入出苗期，則判定此天為小麥出苗期。進(jìn)一步地，還對所述小麥圖像做去噪處理。本發(fā)明的技術(shù)效果體現(xiàn)在本發(fā)明自動(dòng)對所采集的實(shí)時(shí)下視田間小麥圖像進(jìn)行特征提取，并利用提取到的圖像特征，判定該塊麥田中的小麥?zhǔn)欠癯雒?。該方法以表征小麥生長情況的重要參數(shù)判斷依據(jù)，實(shí)時(shí)的對小麥出苗期進(jìn)行判斷，檢測結(jié)果準(zhǔn)確率高，對小麥的農(nóng)事活動(dòng)具有重要的指導(dǎo)意義。


圖I是分割階段的流程圖；圖2是優(yōu)化分割結(jié)果的流程圖；圖3是檢測小麥?zhǔn)欠癯雒绲牧鞒虉D；圖4是隨機(jī)從小麥圖像中選取的一張；圖5是圖4分割后的結(jié)果圖像；圖6是圖5優(yōu)化后的結(jié)果圖像；圖7是圖6檢測連通域質(zhì)心的結(jié)果圖像；圖8是檢測小麥播種方向的結(jié)果；圖9是一張小麥為水平播種的最終檢測圖像；圖10是圖8畫線標(biāo)記檢測小麥?zhǔn)欠癯雒绲膱D像；
圖11是本發(fā)明方法整體流程圖。
具體實(shí)施例方式下面結(jié)合附圖來詳細(xì)說明本發(fā)明的較佳實(shí)施例，本發(fā)明實(shí)施例以每一張小麥圖像為一檢測對象，每一天有w張小麥圖像(W = 8)。整個(gè)方法參見圖11，分為分割階段、優(yōu)化階段、檢測階段。I.分割階段隨機(jī)選取一張小麥田間圖像,如圖4所示，利用彩色小麥圖像的RGB顏色空間特性進(jìn)行自適應(yīng)的圖像分割，流程如圖I所示，具體操作步驟如下(I)為了改善圖像的對比度，首先需要對圖像進(jìn)行增強(qiáng)。由于地表物質(zhì)對色彩的 敏感，因此使用去相關(guān)增強(qiáng)是一種合適的方法(Tripty Singh, M. Nagraja, DR. SwarnalataRao,，，Enhancing Image Contrast Of Mammogram & Equalization Of Histograms”，International Journal of Engineering Science and Technology, Vol. 3, No. I, Jan2011,563-570)。增強(qiáng)后的圖像突出小麥的綠色部分，由于各像素點(diǎn)顏色光譜之間的差異被放大，對比度隨即增強(qiáng)，并且圖像的色彩信息更加豐富，有利于之后對小麥的分割。(2)對所述田間小麥圖像進(jìn)行圖像增強(qiáng)以突出小麥的綠色部分；針對小麥田間圖像的各個(gè)像素點(diǎn)，若像素點(diǎn)的主導(dǎo)顏色分量為綠色分量，則判別該像素點(diǎn)為小麥，從而得到小麥圖像。具體處理過程如下假設(shè)所選取的圖像為S，大小為MXN，提取圖像S的第i = 1，2，. . .，M.行與第.j=1，2，...，N列的RGB三個(gè)通道的值為R(i，j)、G(i，j)、B(i，j)，對圖像S中的每個(gè)像素點(diǎn)用G(i，j)與R(i，j)、B(i，j)分別做比值。
I Ratio^ I (I, j) = G(IJ)/R(IJ)令<{
[Ratio 2(i,j) = G(Ij)圖像中的每個(gè)(i，j)像素點(diǎn)產(chǎn)生兩個(gè)數(shù)值為RaticU (i，j)和Ratio_2(i, j)，建立兩個(gè)MXN大小的邏輯矩陣，對圖像進(jìn)行閾值分割。第一個(gè)邏輯矩陣logical」定義為若像素點(diǎn)(i，j)的Ratio_l(i，j) >= 1.3，則在1呢1(^1_1定為1，否則為O。第二個(gè)邏輯矩陣logical_2定義為若像素點(diǎn)(i，j)的Ratio 2(i，j) >= 3. 5，則在logical_2中定為1，否則為0。這樣會(huì)產(chǎn)生兩個(gè)邏輯矩陣。再建立一個(gè)邏輯矩陣Logical_3，將上述的兩個(gè)邏輯矩陣合并處理，即若像素點(diǎn)(i，j)在logical」與logical_2所對應(yīng)的值都為1，則其在Logical_3中的值為1，否則為O。將圖像中的每一個(gè)像素點(diǎn)的RGB三個(gè)通道R(i，j)、G(i，j)、B(i，j)與Logical_3相乘，即可將圖像中的小麥區(qū)域從圖像中分割出來，得到預(yù)分割結(jié)果，結(jié)果如圖5所示。本實(shí)施例分割階段是利用RGB顏色特征進(jìn)行小麥葉面區(qū)域提取，這是優(yōu)選方式，但不局限該方式，還可以選擇聚類分割方法、圖割、分水嶺和區(qū)域生長等。2.優(yōu)化階段對分割階段得到的預(yù)分割結(jié)果做去噪聲處理，利用閾值分割去除噪聲像素點(diǎn)，如由于光照引起的小麥陰影區(qū)域。再進(jìn)行連通域去小面積，將結(jié)果中的極小連通域去掉。流程如圖2所示，具體操作步驟如下(I)建立邏輯矩陣Logical_4，對于每個(gè)像素點(diǎn)(i，j)的紅色通道R(i，j)進(jìn)行閾值選擇，若R(i，j) <= 200，則在Logical_4中定為1，否則為O。將圖像中的每一個(gè)像素點(diǎn)的RGB三個(gè)通道R(i，j)、G(i，j)、B(i，j)與Logical_4相乘，即可去除小麥陰影等區(qū)域，得到圖像的結(jié)果記為IMS。(2)連通域標(biāo)記和去噪，利用標(biāo)記算法，將彩色圖像IMs轉(zhuǎn)化為二值圖像BWs進(jìn)行8鄰域連通域標(biāo)記，第k個(gè)連通域記為BWs (k)，連通域的面積即像素個(gè)數(shù)記為nums (k)，根據(jù)如下的公式
權(quán)利要求
1.ー種小麥出苗的自動(dòng)檢測方法，包括以下步驟 對采用相機(jī)實(shí)時(shí)獲取的小麥田間圖像進(jìn)行分割得到小麥圖像； 對所述小麥圖像進(jìn)行連通域識(shí)別，并標(biāo)記連通域的質(zhì)心； 依據(jù)小麥圖像判別小麥的播種方向； 若所述小麥的播種方向?yàn)樗椒较颍瑒t將小麥圖像從縱向上分為多個(gè)子區(qū)域，若所述小麥的播種方向?yàn)榇怪狈较?，則將小麥圖像從橫向上分為多個(gè)子區(qū)域； 統(tǒng)計(jì)各子區(qū)域內(nèi)的連通域質(zhì)心個(gè)數(shù)，若連通域質(zhì)心個(gè)數(shù)大于預(yù)定子區(qū)域出苗判別閾值，則確定其對應(yīng)的子區(qū)域?yàn)槌雒缱訁^(qū)域，若出苗子區(qū)域個(gè)數(shù)大于圖像出苗判別閾值，則表明所述小麥圖像中的小麥進(jìn)入出苗期。
2.根據(jù)權(quán)利要求I所述的小麥出苗的自動(dòng)檢測方法，其特征在于，所述對實(shí)時(shí)獲取的田間小麥圖像進(jìn)行分割得到小麥圖像的具體實(shí)現(xiàn)方式為對所述田間小麥圖像進(jìn)行圖像增強(qiáng)以突出小麥的緑色部分；針對田間小麥圖像的各個(gè)像素點(diǎn)，若像素點(diǎn)的主導(dǎo)顏色分量為緑色分量，則判別該像素點(diǎn)為小麥，從而得到小麥圖像。
3.根據(jù)權(quán)利要求2所述的小麥出苗的自動(dòng)檢測方法，其特征在于，按如下方式判定像素點(diǎn)的主導(dǎo)顏色分量是否為緑色分量對于像素點(diǎn)(i，j)，若均滿足其緑色分量與紅色分量的比值Ratio_l(i，j) >= 1.3，以及其綠色分量與藍(lán)色分量的比值1^^0_2(しj) > =3.5，則判定像素點(diǎn)(i，j)的主導(dǎo)顏色分量為綠色分量。
4.根據(jù)權(quán)利要求I所述的小麥出苗的自動(dòng)檢測方法，其特征在于，所述依據(jù)小麥圖像判別小麥的播種方向的具體實(shí)現(xiàn)方式為 檢測并標(biāo)記小麥圖像中的直線； 比較各直線兩端點(diǎn)的橫坐標(biāo)差值的絕對值與縱坐標(biāo)差值的絕對值的大小，若橫坐標(biāo)差值的絕對值大于縱坐標(biāo)差值的絕對值，則記該直線為水平量直線，否則記該直線為垂直量直線； 若水平量直線的數(shù)量大于垂直量直線的數(shù)量，則判定小麥的播種方向?yàn)樗椒较颍駝t，判定小麥的播種方向?yàn)榇怪狈较颉?br> 5.根據(jù)權(quán)利要求I所述的小麥出苗的自動(dòng)檢測方法，其特征在于，若所述小麥的播種方向?yàn)榇怪狈较?，則對小麥圖像進(jìn)行局部或者整體角度旋轉(zhuǎn)調(diào)整直到能獲取最多的出苗子區(qū)域。
6.根據(jù)權(quán)利要求I所述的小麥出苗的自動(dòng)檢測方法，其特征在于，若一天內(nèi)的田間小麥圖像序列中有一半以上的圖像表明小麥進(jìn)入出苗期，則判定此天為小麥出苗期。
7.根據(jù)權(quán)利要求I所述的小麥出苗的自動(dòng)檢測方法，其特征在于，還對所述小麥圖像做去噪處理。
全文摘要
本發(fā)明提供一種小麥出苗的自動(dòng)檢測方法，具體為對采用相機(jī)實(shí)時(shí)獲取的小麥田間圖像進(jìn)行分割得到小麥圖像；對小麥圖像進(jìn)行連通域識(shí)別，并標(biāo)記連通域的質(zhì)心；依據(jù)小麥圖像判別小麥的播種方向，若為水平方向，則將小麥圖像從縱向上分為多個(gè)子區(qū)域，若為垂直方向，則將小麥圖像從橫向上分為多個(gè)子區(qū)域；統(tǒng)計(jì)各子區(qū)域內(nèi)的連通域質(zhì)心個(gè)數(shù)，若連通域質(zhì)心個(gè)數(shù)大于預(yù)定子區(qū)域出苗判別閾值，則確定其對應(yīng)的子區(qū)域?yàn)槌雒缱訁^(qū)域，若出苗子區(qū)域個(gè)數(shù)大于圖像出苗判別閾值，則表明所述小麥圖像中的小麥進(jìn)入出苗期。本發(fā)明實(shí)時(shí)地對小麥生長期進(jìn)行判斷，檢測結(jié)果準(zhǔn)確率高，對小麥的各種農(nóng)事活動(dòng)具有重要的指導(dǎo)意義。
文檔編號(hào)G06Q50/02GK102663397SQ201210075979
公開日2012年9月12日 申請日期2012年3月21日 優(yōu)先權(quán)日2012年3月21日
發(fā)明者余正泓, 吳茜, 張雪芬, 曹治國, 李翠娜, 王玉, 白曉東, 薛紅喜 申請人:華中科技大學(xué)