基于图像的甘蔗覆盖度自动检测方法技术

本发明专利技术涉及一种检测方法，尤其是一种基于图像的甘蔗覆盖度自动检测方法，属于甘蔗图像处理的技术领域。本发明专利技术以数码摄像机在田间实时扫描采集的全景图像序列为对象，从图像特征上实时自动检测甘蔗覆盖度等信息，便于甘蔗生育期判识和产量预测，开展精细化农业生产，检测结果准确率高、实用性强、信息获取速度快，安全可靠。

【技术实现步骤摘要】
基于图像的甘蔗覆盖度自动检测方法
本专利技术涉及一种检测方法，尤其是一种基于图像的甘蔗覆盖度自动检测方法，属于甘蔗图像处理的

技术介绍
甘蔗是我国和世界上最重要的糖料作物和能源作物之一。我国是世界第三大糖生产国，主要产地分布在广西，其次在云南、海南、广东的湛江地区，福建、四川、湖南等地也有少量甘蔗种植。甘蔗生产对我国的农业和农村经济发展、农民增收等方面起着非常重要的作用。甘蔗覆盖度信息对甘蔗生育期和生长状况的判视有重要的作用，还可以提高作物产量预测的准确性，有效而准确的识别是农业气象观测的重要内容。一直以来，对于甘蔗覆盖度的观测主要是通过人工观测的方式，由于甘蔗的种植地域广、生长周期长，利用人工进行观测不但费时、费力、费工，观测结果的主观臆断性较大，没有办法保证精确度，这一现状迫切需要改变。目前，国内外学者多采用卫星数据利用遥感技术对甘蔗作物进行大范围监测，通过构建遥感影像中作物的植被指数与作物长势之间的线性或非线性模型，以达到监测作物长势的目的。由于目前在用的遥感卫星数据空间分辨均相对较低(数百米至数公里)，俨然，较低的空间分辨率无法满足目前日趋精细化的农业生产要求。此外，由于遥感图像容易受到云层、降水和气溶胶等天气影响，致使所获取的遥感影像多存在不同程度的斑点，大量信息缺失，影响到研究区作物的观测；遥感卫星由于其观测周期的限制，每天在固定区域仅可获取较少图像，因此利用遥感影像对作物进行实时观测存在较大的局限性。可见，基于遥感图像方式并不是甘蔗覆盖度自动观测的最好选择，目前仍需一种高空间分辨率、长时间序列、实用性强和操作方便的方式来代替人工观测。目前，国内利用数码摄像机观测甘蔗覆盖度信息尚处于起步阶段，难以满足具体观测的需求。
技术实现思路
本专利技术的目的是克服现有技术中存在的不足，提供一种基于图像的甘蔗覆盖度自动检测方法，其能实现对盖着覆盖度的自动检测，检测精度高，实用性强，安全可靠。按照本专利技术提供的技术方案，一种基于图像的甘蔗覆盖度自动检测方法，所述甘蔗覆盖度自动检测方法包括如下步骤：步骤1、提供仅包含甘蔗作物和土地的甘蔗图像，并将所述甘蔗图像由RGB模型转换至Lab色彩模型空间，并根据Lab色彩模型空间获取甘蔗图像对应a色彩通道以及b色彩通道；步骤2、对上述Lab色彩模型空间的a色彩通道进行初步地物分割，以获取a色彩通道的二值图像，a色彩通道二值图像中，数值为1的像元代表甘蔗作物信息，数值为0的像元信息代表为背景信息；根据a色彩通道的二值图像，计算得到初步甘蔗覆盖度，当所述初步甘蔗覆盖度低于初步覆盖度阈值时，跳转至步骤6，否则，执行步骤3；步骤3、将甘蔗图像进行灰度转换，并获取灰度直方图以及灰度峰值与递增变化总量；步骤4、当灰度峰值大于第一灰度阈值时，根据递增变化总量训练两个聚类样本，当灰度峰值小于第二灰度阈值时，根据递增变化总量训练两个聚类样本，当灰度峰值大于第二灰度阈值且小于第一灰度阈值时，根据递增变化总量训练四个聚类样本，第二灰度阈值小于第一灰度阈值；步骤5、采用K-Means聚类方法，选择聚类样本数K＝2，训练样本在Lab色彩模型空间下作物的a色彩通道、b色彩通道值分别表示为Crop_a、Crop_b，训练样本中在Lab色彩模型空间下背景的a色彩通道、b色彩通道值分别表示为Back_a、Back_b；将甘蔗图像的Lab色彩模型空间的a色彩通道数值、b色彩通道数值(分别为Pixel_a和Pixel_b)与训练样本基于方差最小原则进行吻合度检验，对甘蔗图像进行非监督分类，如下式所示；M＝(Pixel_a-Crop_a)2+(Pixel_b-Crop_b)2N＝(Pixel_a-Back_a)2+(Pixel_b-Back_b)2其中，Pixel_a为甘蔗图像的Lab色彩模型空间的a色彩通道数值，Pixel_b为甘蔗图像的Lab色彩模型空间的b色彩通道数值，M为像元与作物训练样本的匹配方差，N为像元与背景训练样本的匹配方差；当M>＝N时，判定当前像元为背景像元，将当前像元值置0；当M<N时，判定挡片像元为作物像元，将当前像元值置1，完成分类后甘蔗图像的二值转换；步骤6、对上述分类后的甘蔗二值图像，去除区域面积小于20～100的斑块，且获取各连通区域具有相同标准二阶中心矩的椭圆的长轴长度及短轴长度(当长轴长度和短轴长度比值大于长度判断阈值时，将当前区域判断为甘蔗像元；当长轴长度和短轴长度比值小于等于长度判断阈值时，判定当前区域判断为非作物区域，以得到甘蔗图像的最终二值图像；步骤7、根据上述甘蔗图像的最终二值图像，计算甘蔗像元占总像元的比例，以得到甘蔗实时覆盖度。所述长度判断阈值为1.1。本专利技术的优点：以数码摄像机在田间实时扫描采集的全景图像序列为对象，从图像特征上实时自动检测甘蔗覆盖度等信息，便于甘蔗生育期判识和产量预测，开展精细化农业生产，检测结果准确率高、实用性强、信息获取速度快，安全可靠。附图说明图1为本专利技术的流程图。图2为本专利技术进行分类的流程图。具体实施方式下面结合具体附图和实施例对本专利技术作进一步说明。如图1所示：为了能实现对盖着覆盖度的自动检测，提高检测精度与实用性，本专利技术甘蔗覆盖度自动检测方法包括如下步骤：步骤1、提供仅包含甘蔗作物和土地的甘蔗图像，并将所述甘蔗图像由RGB模型转换至Lab色彩模型空间，并根据Lab色彩模型空间获取甘蔗图像对应的a色彩通道以及b色彩通道；具体地，甘蔗图像中仅包含甘蔗作物和土地，当然，有其他障碍物时，则也认定为土地，存在其他情况的甘蔗图像不能进行本专利技术下述的覆盖度检测。一般地，甘蔗图像为RGB图像，需要将RGB模型转换为Lab色彩模型空间，具体转换是可以采用本
常用的技术手段，如采用转换函数rgb2lab进行所需地转换操作，当然，也可以采用其他的转换方式，具体可以根据需要进行选择，此处不再赘述。在转换得到Lab色彩模型空间后，能得到对应的亮度、a色彩通道和b色彩通道。步骤2、对上述Lab色彩模型空间的a色彩通道进行初步地物分割，以获取a色彩通道的二值图像，a色彩通道二值图像中，数值为1的像元代表甘蔗作物信息，数值为0的像元信息代表为背景信息；根据a色彩通道的二值图像，计算得到初步甘蔗覆盖度，当所述初步甘蔗覆盖度低于初步覆盖度阈值时，跳转至步骤6，否则，执行步骤3；本专利技术实施例中，所述地物分割具体是指将甘蔗作物与土地进行分割，在对a色彩通道进行地物分割时，其分割阈值为graythresh函数基于最大类间方差法获取的合适阈值，具体为本
人员所熟知，此处不再赘述。当然，也可以采用其他方式确定分割阈值，具体可以根据需要进行选择确定，此处不再赘述。在对地物分割后，得到a色彩通道二值图像，所述初步甘蔗覆盖度，具体是指a色彩通道二值图像中，数值为1的像元占总像元(数值为1像元的数量加数值为0像元数量的之和)的比值。具体实施时，初步覆盖度阈值可设为0.3，当然，初步覆盖度阈值还可以设定为其他的数值，具体为本
人员所数值，此处不再赘述。步骤3、将甘蔗图像进行灰度转换，并获取灰度直方图以及灰度峰值与递增变化总量；本专利技术实施例中，可以利用函数rgb2gray将RGB的甘蔗图像(所述甘蔗图像为步骤1中提供的初始甘蔗图像)转换为甘蔗灰本文档来自技高网...

【技术保护点】
一种基于图像的甘蔗覆盖度自动检测方法，其特征是，所述甘蔗覆盖度自动检测方法包括如下步骤：步骤1、提供仅包含甘蔗作物和土地的甘蔗图像，并将所述甘蔗图像由RGB模型转换至Lab色彩模型空间，并根据Lab色彩模型空间获取甘蔗图像对应a色彩通道以及b色彩通道；步骤2、对上述Lab色彩模型空间的a色彩通道进行初步地物分割，以获取a色彩通道的二值图像，a色彩通道二值图像中，数值为1的像元代表甘蔗作物信息，数值为0的像元信息代表为背景信息；根据a色彩通道的二值图像，计算得到初步甘蔗覆盖度，当所述初步甘蔗覆盖度低于初步覆盖度阈值时，跳转至步骤6，否则，执行步骤3；步骤3、将甘蔗图像进行灰度转换，并获取灰度直方图以及灰度峰值与递增变化总量；步骤4、当灰度峰值大于第一灰度阈值时，根据递增变化总量训练两个聚类样本，当灰度峰值小于第二灰度阈值时，根据递增变化总量训练两个聚类样本，当灰度峰值大于第二灰度阈值且小于第一灰度阈值时，根据递增变化总量训练四个聚类样本，第二灰度阈值小于第一灰度阈值；步骤5、采用K‑Means聚类方法，选择聚类样本数K＝2，训练样本在Lab色彩模型空间下作物的a色彩通道、b色彩通道值分别表示为Crop_a、Crop_b，训练样本中在Lab色彩模型空间下背景的a色彩通道、b色彩通道值分别表示为Back_a、Back_b；将甘蔗图像的Lab色彩模型空间的a色彩通道数值、b色彩通道数值(分别为Pixel_a和Pixel_b)与训练样本基于方差最小原则进行吻合度检验，对甘蔗图像进行非监督分类，如下式所示；M＝(Pixel_a‑Crop_a)...

【技术特征摘要】
1.一种基于图像的甘蔗覆盖度自动检测方法，其特征是，所述甘蔗覆盖度自动检测方法包括如下步骤：步骤1、提供仅包含甘蔗作物和土地的甘蔗图像，并将所述甘蔗图像由RGB模型转换至Lab色彩模型空间，并根据Lab色彩模型空间获取甘蔗图像对应a色彩通道以及b色彩通道；步骤2、对上述Lab色彩模型空间的a色彩通道进行初步地物分割，以获取a色彩通道的二值图像，a色彩通道二值图像中，数值为1的像元代表甘蔗作物信息，数值为0的像元信息代表为背景信息；根据a色彩通道的二值图像，计算得到初步甘蔗覆盖度，当所述初步甘蔗覆盖度低于初步覆盖度阈值时，跳转至步骤6，否则，执行步骤3；步骤3、将甘蔗图像进行灰度转换，并获取灰度直方图以及灰度峰值与递增变化总量；步骤4、当灰度峰值大于第一灰度阈值时，根据递增变化总量训练两个聚类样本，当灰度峰值小于第二灰度阈值时，根据递增变化总量训练两个聚类样本，当灰度峰值大于第二灰度阈值且小于第一灰度阈值时，根据递增变化总量训练四个聚类样本，第二灰度阈值小于第一灰度阈值；步骤5、采用K-Means聚类方法，选择聚类样本数K＝2，训练样本在Lab色彩模型空间下作物的a色彩通道、b色彩通道值分别表示为Crop_a、Crop_b，训练样本中在Lab色彩模型空间下背景的a色彩通道、b色彩通道值分别表示为Back_a、Back_b；将甘蔗图像的Lab色...

【专利技术属性】
技术研发人员：周振，韩冰，许立兵，周望，孙涵，蔡斌辉，黄敬峰，
申请(专利权)人：江苏省无线电科学研究所有限公司，
类型：发明
国别省市：江苏,32