一種小麥抽穗的自動檢測方法技術

本發明專利技術提供一種小麥抽穗的自動檢測方法，以麥田中采集到的實時前下視圖像為對象，以表征小麥麥穗的顏色特征作為分割依據，通過訓練得到小麥麥穗的顏色特征，實時地對小麥麥穗進行檢測，經過一系列綜合的去噪處理，若圖像中明顯的出現了小麥麥穗的連通域，則表明當前小麥圖像中的小麥進入抽穗期。本發明專利技術以表征小麥生長狀況的重要參數作為判斷依據，實時地對小麥生長圖像進行檢測，檢測結果準確率高，對抽穗期相關的農事活動具有重要的指導意義。

【技術實現步驟摘要】

本專利技術屬于數字圖像處理和農業氣象觀測的交叉領域，具體涉及到ー種小麥抽穗的自動檢測方法，即以田間拍攝的小麥前下視圖像序列為對象，從圖像特征上自動檢測小麥是否進入抽穗期的方法。
技術介紹
小麥是世界上總產量第二的糧食作物，在我國東北、華北、華東等地區大范圍種植。為了提高小麥的產量和質量，需要對它的發育速度和進程進行了解，并在此基礎上分析它的各發育期與氣象條件之間的聯系，從而鑒定小麥生 長的農業氣象條件。然而長期以來，對于小麥各發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；同時由于小麥的種植地域廣、生長周期長，利用人工進行觀測也不夠經濟，沒有辦法保證精確度。小麥抽穗期是小麥生長期中的關鍵時期，對小麥產量形成過程較為重要。小麥抽穗期是衡量小麥成熟的重要指標。有效而準確地識別這個時期，是農業氣象觀測的重要內容。2009年李衛國、李正金、申雙和在《江蘇農業科學》上發表的“小麥遙感估產研究現狀及趨勢分析”中就小麥遙感估產精度的提高、遙感和模型結合的估產研究與應用、極端氣候條件下的遙感估產以及遙感估產技術的信息集成化做了闡述；2009年張旭東在其碩士論文《衛星遙感監測江蘇省小麥籽粒產量和品質初步探索》中利用遙感技術在小麥生長的中后期對籽粒產量及蛋白質含量進行了預測；2010年蔡薇在其碩士論文《基于MODIS遙感數據混合像元分解的小麥識別及面積估算》中對Langsat5TM數據采用監瞀分類，根據分類結果圖提取小麥種植區域，并進行像元聚類分析，將其結果作為MODIS混合像元分解精度的評價標準。但以上對小麥產量、生長狀況的監測都是利用遙感數據確定的，而由于遙感圖像本身存在分辨率低，容易受到云層、云陰影和氣溶膠等影響，且每天在固定區域也僅有單張圖像可以使用，因此有較大的局限性，不適用于實際大田環境下小麥抽穗期的自動連續檢測，難以獲得實時、準確的小麥抽穗信息。目前還需ー種準確率高、實用性強和操作方便的方式來代替抽穗期人工檢測方式，以獲取小麥抽穗期的準確時間，便于及時指導農事活動。通過田間拍攝的小麥前下視序列圖像，其涵蓋的有用信息更多，有助于小麥抽穗期的實時、準確檢測。因此通過拍攝的小麥前下視序列圖像，借助圖像處理、信息匯總的手段，對小麥發育期進行自動觀測就顯得十分必要，但基于圖像的小麥抽穗期自動檢測技術目前尚未見公開報道。
技術實現思路
本專利技術目的在于提供ー種小麥抽穗期的自動檢測方法，以實時田間米集的小麥前下視序列圖像為對象，利用其圖像特征準確地檢測出小麥抽穗期的時間。ー種小麥抽穗的自動檢測方法，包括以下步驟⑴訓練階段(I. I)拍攝已進入拔節期的田間小麥圖像序列，從田間小麥圖像序列中的每ー張圖像中按照相同方式提取多塊子區域作為觀測區域；(I. 2)分別對各圖像的觀測區域進行主成分分析，得到各觀測區域的特征向量；(I. 3)依據步驟(I. 2)得到的各觀測區域的特征向量將各圖像中的觀測區域投影到特征空間的第一或第三維，獲得每ー觀測區域的特征圖像；將各圖像同一位置的特征圖像合并，獲得該觀測區域的特征合并圖像；通過閾值分割將各特征合并圖像轉化為ニ值圖；對于每一二值圖，若其包含的黒色像素點多于白色像素點，則表明該觀測區域的麥穗顏色類型為偏暗型，否則，表明該觀測區域的麥穗顏色類型為偏亮型；(2)檢測階段(2. I)按照與步驟(I. I)的相同方式從待檢 測圖像提取多塊子區域作為檢測區域；(2. 2)依據步驟(I. 2)得到的各觀測區域的特征向量將待檢測圖像中對應的檢測區域投影到特征空間的第一或第三維，獲得每ー檢測區域的特征圖像；(2. 3)通過閾值分割將每ー檢測區域的特征圖像轉換為ニ值圖，若該ニ值圖對應的觀測區域的麥穗顏色類型為偏暗型，則從該ニ值圖中選取黑色像素點區域作為麥穗候選區域，若該ニ值圖對應的觀測區域的麥穗顏色類型為偏亮型，則從該ニ值圖中選取白色像素點區域作為麥穗候選區域；(2. 4)分別提取每一麥穗候選區域的圖像特征，根據提取的圖像特征對麥穗候選區域做去噪處理，最終保留的區域即為麥穗區。(2. 5)若各檢測區域中確定的麥穗區個數大于預定的第一界定數，則表明該檢測區域進入抽穗期；若待檢測圖像中一半或一半以上的檢測區域都進入抽穗期，則表明待檢測圖像進入抽穗期。所述步驟(2. 4)按照如下方式進行提取麥穗候選區域的圖像特征，根據提取的圖像特征對麥穗候選區域做去噪處理(2.4. I)從待檢測圖像中提取與麥穗候選區域位置對應的區域圖像，將其從RGB空間轉換到LAB空間；對于該區域圖像的每ー像素點，若其L分量大于第一噪聲閾值，則從麥穗候選區域中去除與該像素點對應的像素點，否則，在麥穗候選區域中保留與該像素點對應的像素點；(2. 4. 2)從麥穗候選區域提取與其具有相同ニ階矩的橢圓，計算該橢圓長軸與短軸的比值；(2. 4. 3)若橢圓長軸與短軸的比值大于第二噪聲閾值，則保留該麥穗候選區域，進入步驟(2. 4. 4)，否則去除該麥穗候選區域，結束；(2.4.4)計算橢圓長軸與標定后的垂直方向的夾角，若夾角在預定夾角范圍內，則該麥穗候選區域為小麥麥穗。所述第ー噪聲閾值取值范圍為50 100，第二噪聲閾值取值范圍為2 6，所述預定夾角范圍為。所述步驟(2. 4. I)還統計麥穗候選區域的像素點個數，若像素點個數在理想區間內，進入步驟(2. 4. 2)，否則去除該麥穗候選區域。本專利技術的技術效果體現在本專利技術自動對所采集的實時前下視田間小麥圖像進行特征提取，并利用提取到的圖像特征，判定該麥田中的小麥是否到達抽穗期。該方法以檢測到的麥穗數量為判斷依據，實時的對小麥抽穗期進行判斷，檢測結果準確率高，對小麥的農事活動具有重要的指導意義。附圖說明圖I是本專利技術整體流程圖；圖2是訓練階段的流程圖；圖3是檢測階段的流程圖；圖4是待檢測的小麥區 域圖像；圖5是小麥初步檢測出麥穗候選區的圖像；圖6是將小麥區域圖像投影到特征空間第三維的結果示意圖；圖7是合并圖6的結果示意圖；圖8是除去麥穗候選區各像素的L分量小于Len的結果示意圖；圖9是除去與各麥穗候選區具有相同ニ階矩的橢圓的長短軸比小于rThre的結果示意圖；圖10是除去與各麥穗候選區具有相同ニ階矩的橢圓的長軸與標定后的垂直生長方向的夾角在之外的結果示意圖；圖11是某麥穗候選區具有相同ニ階矩的橢圓及其長短軸示意圖；圖12是某麥穗候選區具有相同ニ階矩的橢圓長軸與標定后的垂直生長方向的夾角示意圖。具體實施例方式下面結合附圖來詳細說明本專利技術的實施例。本專利技術實施例中使用圖像序列采集于離地面高5米的相機，鏡頭焦距為16毫米，相機分辨率為3648X2736像素，相機光軸與水平地面的夾角約為60度。實施例以每一天為ー檢測時段,每ー檢測時段內拍攝w張小麥圖像(本實施例中w = 8)。此專利技術g在自動檢測小麥是否到達抽穗期。整個方法分為訓練階段和檢測階段，整個流程如圖I所示。一、訓練階段觀察實時拍攝的田間小麥序列圖像，從小麥已經進入拔節期開始獲得以后L(L取值一般8 12天，本實施例中L取10)天的小麥圖像序列，作為訓練樣本，其中對每天拍攝的w張小麥圖像做相同的處理，流程如圖2所示，具體步驟如下(I)獲取訓練樣本圖像。田間小麥序列圖像是RGB顏色空間的，大小為3648 X 2736像素，從圖像序列的每張圖本文檔來自技高網...

【技術保護點】
一種小麥抽穗的自動檢測方法，包括以下步驟：(1)訓練階段：(1.1)拍攝已進入拔節期的田間小麥圖像序列，從田間小麥圖像序列中的每一張圖像中按照相同方式提取多塊子區域作為觀測區域；(1.2)分別對各圖像的觀測區域進行主成分分析，得到各觀測區域的特征向量；(1.3)依據步驟(1.2)得到的各觀測區域的特征向量將各圖像中的觀測區域投影到特征空間的第一或第三維，獲得每一觀測區域的特征圖像；將各圖像同一位置的特征圖像合并，獲得該觀測區域的特征合并圖像；通過閾值分割將各特征合并圖像轉化為二值圖；對于每一二值圖，若其包含的黑色像素點多于白色像素點，則表明該觀測區域的麥穗顏色類型為偏暗型，否則，表明該觀測區域的麥穗顏色類型為偏亮型；(2)檢測階段：(2.1)按照與步驟(1.1)的相同方式從待檢測圖像提取多塊子區域作為檢測區域；(2.2)依據步驟(1.2)得到的各觀測區域的特征向量將待檢測圖像中對應的檢測區域投影到特征空間的第一或第三維，獲得每一檢測區域的特征圖像；(2.3)通過閾值分割將每一檢測區域的特征圖像轉換為二值圖，依據步驟(1.3)若該二值圖對應的觀測區域的麥穗顏色類型為偏暗型，則從該二值圖中選取黑色像素點區域作為麥穗候選區域，若該二值圖對應的觀測區域的麥穗顏色類型為偏亮型，則從該二值圖中選取白色像素點區域作為麥穗候選區域；(2.4)分別提取每一麥穗候選區域的圖像特征，根據提取的圖像特 征對麥穗候選區域做去噪處理，最終保留的區域即為麥穗區。(2.5)若各檢測區域中確定的麥穗區個數大于預定的第一界定數，則表明該檢測區域進入抽穗期；若待檢測圖像中一半或一半以上的檢測區域都進入抽穗期，則表明待檢測圖像進入抽穗期。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：曹治國，王玉，余正泓，白曉東，吳茜，張雪芬，薛紅喜，李翠娜，
申請(專利權)人：華中科技大學，
類型：發明
國別省市：