本發(fā)明涉及計算機圖像處理領域，更具體地，涉及一種基于無人機遙感影像提取玉米育種基地壟數(shù)的方法及系統(tǒng)。

背景技術：

目前國內(nèi)在玉米品種試驗中對玉米壟數(shù)的判斷主要依靠人力去識別，而不論是國家、省種業(yè)相關部門還是企業(yè)育種田壟數(shù)的數(shù)量都非常大，傳統(tǒng)的人力方法費時費力，存在著人力成本消耗過大且浪費嚴重，工作效率低且精度不高等諸多弊端。玉米品種試驗中，試驗田壟數(shù)的提取可以輔助育種家進行農(nóng)情的了解和進行決策。

技術實現(xiàn)要素：

本發(fā)明提供一種克服上述問題或者至少部分地解決上述問題的一種基于無人機遙感影像提取玉米育種基地壟數(shù)的方法及系統(tǒng)。

根據(jù)本發(fā)明的一個方面，提供了一種基于無人機遙感影像提取玉米育種基地壟數(shù)的方法，包括：

S1，獲取玉米育種基地的無人機影像；

S2，對所述無人機影像中的待分析區(qū)域采用超綠特征進行灰度計算和圖像二值化計算，得到玉米植株圖像；

S3，采用圖像分割投影法從所述玉米植株圖像中提取出玉米育種基地的條狀壟線中心點圖像；

S4，利用Hough變換對所述條狀壟線中心點圖像變換形成Hough變換圖像條，對所述Hough變換圖像條進行峰點邊界判斷，將峰值點的個數(shù)確定為玉米育種基地壟數(shù)。

根據(jù)本發(fā)明的另一個方面，還提供了一種基于無人機遙感影像提取玉米育種基地壟數(shù)的系統(tǒng)，包括：

影像獲取模塊，用于獲取玉米育種基地的無人機影像；

計算模塊，用于對所述無人機影像中的待分析區(qū)域采用超綠特征進行灰度計算和圖像二值化計算，得到玉米植株圖像；

提取模塊，用于采用圖像分割投影法從所述玉米植株圖像中提取出條狀壟線中心點圖像；

圖像變換模塊，用于利用Hough變換對所述條狀壟線中心點圖像變換形成Hough變換圖像條；

壟數(shù)確定模塊，用于對所述Hough變換圖像條進行峰點邊界判斷，將峰值點的個數(shù)確定為玉米育種基地壟數(shù)。

本發(fā)明的有益效果為：采用無人機遙感影像技術以及計算機圖像處理技術，對玉米育種基地的壟數(shù)進行計算，相比采用人力進行識別，自動化程度高，計算識別出的玉米育種基地壟數(shù)的準確度高、精確度高，該方法將在玉米育種基地田間調(diào)查和管理領域得到廣泛的應用，為育種家田間生產(chǎn)操作提供決策支持。

附圖說明

圖1為本發(fā)明一個實施例的基于無人機遙感影像提取玉米育種基地壟數(shù)的方法流程圖；

圖2為本發(fā)明另一個實施例的基于無人機遙感影像提取玉米育種基地壟數(shù)的系統(tǒng)示意圖。

具體實施方式

下面結合附圖和實施例，對本發(fā)明的具體實施方式作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

參見圖1，為本發(fā)明一個實施例的基于無人機遙感影像提取玉米育種基地的方法，包括：S1，獲取玉米育種基地的無人機影像；S2，對所述無人機影像中的待分析區(qū)域采用超綠特征進行灰度計算和圖像二值化計算，得到玉米植株圖像；S3，采用圖像分割投影法從所述玉米植株圖像中提取出玉米育種基地的條狀壟線中心點圖像；S4，利用Hough變換將所述條狀壟線中心點圖像變換形成Hough變換圖像條，對所述Hough變換圖像條進行峰點邊界判斷，將峰值點的個數(shù)確定為玉米育種基地壟數(shù)。

步驟S1中，本實施例采用無人機來拍照獲取玉米育種基地的遙感影像，通過在無人機上搭載可見光相機，并控制無人機在玉米育種基地上方的預設垂直高度上按照預定軌跡飛行，并定點拍照，獲取玉米育種基地的整個RGB遙感影像。

其中，步驟S1采用無人機拍照獲取玉米育種基地的RGB遙感影像后，步驟S2對獲取的RGB遙感影像中的待分析區(qū)域，即玉米育種基地影像，采用超綠特征(2G-R-B)進行灰度計算，具體的計算公式如下：

其中，x、y為RGB遙感影像中像素點的橫、縱坐標。

對玉米育種基地的遙感影像采用超綠特征進行灰度計算后，將玉米植株和土壤背景分離開來，然后對灰度處理后的圖像進行二值化處理，即可得到玉米植株的圖像，也即從整個玉米育種基地的遙感影像中剔除土壤背景信息，只留下玉米植株圖像。本實施例將超綠灰度處理后圖像的像素值的均值作為閾值，進行圖像的二值化處理，將土壤背景剔除，僅剩下玉米植株的圖像。由于玉米葉片交叉，二值化后的圖像存在相鄰兩壟連接的問題，因此對二值化后的圖像進行形態(tài)學開啟運算，即對二值化后的圖像先腐蝕運算，后膨脹運算，消除部分壟線邊界突刺問題并斷開相鄰兩壟線劍的細小連接，使得提取的玉米植株的圖像的精確度更高。

上述步驟S2提取了玉米植株圖像，步驟S3按照玉米育種基地壟線的方向，對玉米植株圖像進行等間距分割，得到多個圖像分割條。比如，當玉米育種基地壟線的方向為水平方向，則對玉米植株圖像進行水平等間距分割，得到水平方向的多個圖像分割條；若玉米育種基地壟線方向為豎直方向，則對玉米植株圖像進行豎直等間距分割，得到豎直方向的多個圖像分割條。理論上，分割間距可以為一個像素，但實際應用中考慮到圖像處理速度，本實施例采用5個像素行或像素列作為分割間距，分割后得到若干個圖像分割條。

將玉米植株圖像等間距分割為若干個圖像分割條后，將每一個圖像分割條進行投影得到投影直方圖曲線，投影直方圖曲線的峰值點對應的坐標為該圖像分割條中壟線中心點的位置坐標。具體實現(xiàn)時，設玉米植株圖像的大小為W列H行，玉米育種基地的壟線方向水水平方向，分割后的圖像分割條的大小為W列h行，由于是沿水平方向分割，因此，分割后的圖像分割條的列數(shù)依然為W列，設gray(i，j)為圖像分割條上點(i，j)的像素值，s(j)為圖像分割條第j列進行投影后得到的像素值之和，m為圖像分割條上所有像素點的均值，則有：

其中，i＝1,2,...,h；j＝1,2,...,W；

根據(jù)s(j)和m可以確定玉米育種基地壟線的邊界，具體為：

當投影值s(j-1)＜m＜s(j+1)時，s(j)標記為壟線的左邊界；

當投影值s(j-1)＞m＞s(j+1)，s(j)標記為壟線的右邊界；

將壟線的左邊界和壟線的右邊界的中點作為該圖像分割條中壟線中心點，坐標即為壟線中心點的列坐標，壟線中心點的橫坐標標記為該圖像分割條中間像素行的行號，遍歷每個圖像分割條，得到每一個圖像分割條的壟線中心點坐標，得到玉米育種基地的壟線中心點圖像，其中，壟線中心點圖像中包含所有的壟線中心點。

步驟S3得到玉米育種基地的壟線中心點圖像后，步驟S4利用Hough變換的點-正弦曲線的對偶性，將壟線中心點圖像由圖像空間變換到極坐標參數(shù)空間，具體的，使用如下公式將壟線中心點(x，y)變換到極坐標下的正弦曲線坐標(ρ，θ)：

ρ＝xcosθ+ysinθ；

其中，x、y為每一個壟線中心點在圖像空間中的橫、縱坐標，ρ、θ為變換后的極坐標。

在具體變換的過程中，主要包括如下變換步驟：

1)設置累加器數(shù)組A(ρ,θ)，其初始值均為0，其中θ的取值范圍是[0°,180°]，步長為1°，ρ的取值范圍是[0,N]，N為地塊對角上的像素個數(shù)；

2)將圖像分割條中像素值為1(壟線中心點的像素值為1，其它點的像素值為0，此處像素值為1的點即為壟線中心點)的點坐標帶入公式ρ＝xcosθ+ysinθ中，按照步進值遍歷所有的θ取值，計算每個θ取值對應的ρ值；

3)每計算一個θ取值對應的ρ值，累加器A中坐標為(ρ,θ)的值加1；

4)遍歷整個玉米育種基地壟線中心點圖像，累加器A中較大值對應的(ρ,θ)即圖像空間中的直線在極坐標參數(shù)空間中的變換。

為了達到精確提取玉米育種基地壟數(shù)，對分割投影法進行改進。Hough變換后的圖像分割條的兩端存在很長的0值區(qū)域，即與壟線中心點無關的區(qū)域，這些區(qū)域拉低了整個圖像分割條像素值的均值，如果繼續(xù)采用步驟S3中的Hough變換，將會產(chǎn)生極大的誤差。因此，步驟S4選擇Hough變換后的圖像分割條中非0像素值的均值作為閾值進行判斷峰值點的邊界，提取所有圖像分割條的峰值點坐標，峰值點的個數(shù)即為玉米育種基地的壟數(shù)。其中，判斷峰值點邊界的方法與上述步驟S3中判斷壟線左邊界和壟線右邊界的方法相同，只是在計算圖像分割條上所有像素點的均值m時，僅使用到圖像分割條中非0像素值。將圖像分割條中0像素值剔除后再計算，這樣最終得到的結果會更準確，精度更高。

計算出所有的峰值點坐標后，對每一個峰值點坐標進行Hough逆變換，即將極坐標參數(shù)空間中的峰值點坐標轉換為圖像空間坐標，以便在圖像空間中繪出對應的壟線，并疊加顯示出所有的壟線，即可繪制出玉米育種基地的壟線。

參見圖2，為本發(fā)明另一個實施例的基于無人機遙感影像提取玉米育種基地壟線的系統(tǒng)，包括影像獲取模塊201、計算模塊202、提取模塊203、圖像變換模塊204和壟數(shù)確定模塊205。

影像獲取模塊201，用于獲取玉米育種基地的無人機影像；

計算模塊202，用于對所述影像獲取模塊201獲取的無人機影像中的待分析區(qū)域采用超綠特征進行灰度計算和圖像二值化計算，得到玉米植株圖像；

提取模塊203，用于采用圖像分割投影法從所述玉米植株圖像中提取出條狀壟線中心點圖像；

圖像變換模塊204，用于利用Hough變換對提取模塊203提取的條狀壟線中心點圖像變換形成Hough變換圖像條；

壟數(shù)確定模塊205，用于對圖像變換模塊204變換后的Hough變換圖像條進行峰點邊界判斷，將峰值點的個數(shù)確定為玉米育種基地壟數(shù)。

本發(fā)明提供的一種基于無人機遙感影像提取玉米育種基地壟數(shù)的方法及系統(tǒng)，采用無人機遙感影像技術以及計算機圖像處理技術，對玉米育種基地的壟數(shù)進行計算，相比采用人力進行識別，可以自動化完成玉米育種基地的壟數(shù)提取，計算識別出的玉米育種基地壟數(shù)的準確度高、精確度高，該方法將在玉米育種基地田間調(diào)查和管理領域得到廣泛的應用，為育種家田間生產(chǎn)操作提供決策支持；在提取圖像分割條的峰值點坐標的過程中，將圖像分割條中的0值區(qū)域，保證了計算結果的準確性。

本申請的方法僅為較佳的實施方案，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。