一种高效率的树木修剪器的制造方法
【技术领域】
[0001] 本发明涉及园艺设计领域，具体涉及一种高效率的树木修剪器。
【背景技术】
[0002] 从古到今，人类对美的追求就从来没有停止过。园林景观设计成为了城市建设中 重要的部分，树木修剪器是广大园艺师在造型过程中的必备工具，然而，园艺师肉眼对树木 轮廓并不敏感，传统的树木修剪器又不具备识别功能，在修剪过程中具有很大盲目性，很大 程度上增加了园艺师的工作量。一种高效率的树木修剪器亟待开发。
[0003] 目标轮廓识别作为目标识别的重要手段，由于实际应用中受到噪声、量化误差等 因素的影响，目标轮廓不可避免地会产生失真，为了准确描述轮廓特征，目标轮廓的滤波平 滑处理是十分必要的。目前，学者们提出了许多含噪轮廓的滤波平滑算法，但是普遍存在计 算量庞大、降噪效果不理想、容易发生过度滤波导致目标失真等问题。
【发明内容】
[0004] 针对上述问题，本发明提供一种高效率的树木修剪器。
[0005] 本发明的目的采用以下技术方案来实现：
[0006] -种高效率的树木修剪器，包括普通树木修剪器和安装在树木修剪器上的识别装 置，该树木修剪器能够对树木轮廓进行识别，其特征是，包括建模模块、分段模块、合并模块 和滤波t吴块；
[0007] 建模模块，用于建立目标轮廓的参数化方程:对于给定的目标轮廓G(t)，其弧长参 数化方程表示为G(t) = (x(t)，y(t))，其中x(t)和y(t)分别表示轮廓点的坐标，t表示轮廓 曲线方程的参数，且te[0，i];
[0008] 含噪轮廓的弧长参数化方程表示为:6〃(〇=6(〇+仏（〇+仏（〇6(〇,其中加性噪 声部分Ni(t)=Ni(xi(t)，yi(t))，乘性噪声部分N2(t)=N2(X2(t)，y2(t));
[0009] 分段模块，用于对轮廓的分段：目标轮廓G(t)和含噪轮廓GN(t)所对应的曲率分别 为k(t)和k N(t);选宽度宽度为D的窗函数W(n)，对曲率kN(t)进行邻域平均，得到平均曲率 k1N( t)，同时对窗口内的曲率值排序，选定中值曲率k2N( t)，将平均曲率k1N( t)和中值曲率k2N (t)差的绝对值与选定的阈值^进行比较，根据比较结果决定含噪轮廓曲率k^U)，即：
[0010] 当 |kiN(t)-k2N(t)
[0011] 否则，
[0012] 由于曲率值较大的轮廓点通常反映了目标的显著特征，根据k%(t)将轮廓中所有 轮廓点划分为特征点或非特征点，设定可变权值Τκ，通过判断目标轮廓特征多少，自适应的 决定Τκ，当 IkSU) | 时，特征函数f(t)=0
[0013] 否则，特征函数f(t) = l。
[0014] 合并模块：用于剔除由于噪声干扰产生的伪特征点，以及对无法形成连续区域的 特征点和非特征点进行合并操作，从而得到有效的特征区域与非特征区域:选定一个起始 点0,轮廓起始点向两侧延伸合并相邻的点，以该起始点类型作为该区域预设类型，向两侧 延伸各SXy〇时停止，其中S为预设的最小长度
扣点处的实时曲率修 正系数^代表〇点的曲率半径，^^代表由上述窗函数得到的〇点的平均曲率半径，实 时曲率修正系数用于根据不同点的曲率不同，自动修正延伸长度，能有效减小合并后的 失真现象;分别计算两侧区域内相异点的个数Ν+1和Ν-1，若相异点的个数小于设定的该类 型相异点最小个数，则该区域与预设类型相同，否则，与预设类型相反;再以两个停止点〇 +1 和点0-1作为起始点重新开始计算，向外侧延伸时停止，其中 代表点〇+1和点Ο-i处的实时曲率修正系数，〇 +1两侧区域内相异点个数为Ν+2,0^两侧区域内 相异点个数为Ν-2,根据上述判定条件，依次确定各段轮廓类型，长度不足S的部分根据其与S 的比例计算相异点个数，计入相应的特征区域;对相邻的同类型区域进行合并，得到连续的 特征区域和非特征区域；
[0015] 滤波模块:乘性噪声由于和图像信号是相关的，随图像信号的变化而变化，采用维 纳滤波来进行一级滤除，此时图像信息还包含有残余乘性噪音，通过F滤波器F(x，y)=qX exp(_(x 2+y2)/P2进行二级滤除，其中q是将函数归一化的系数，即：JJqXexp(-(x 2+y2)/P2) dxdy = l，β为图像模板参数；
[0016] 乘性噪声滤除后，含噪目标轮廓的弧长参数化方程表示为GNUViGUHNKt);假 设加性噪声为高斯白噪声:XN(t) ' = X(t)+gi(t，〇2)，yN(t) ' =y(t)+g2(t，〇2)，其中xN(t) ' 和 yN(t)'分别表示去除乘性噪声后含噪轮廓上各点坐标，gl(t，〇 2)和g2(t，〇2)分别是均值为 零、方差为σ 2的高斯白噪声，用于模拟含噪目标轮廓中的加性噪声；
[0017] 采用函
吋含噪轮廓进行平滑，命名为K滤波器，经过轮廓点分 类和区域划分，含噪轮廓GN(t)'表示为不同类型轮廓分段的组合：Gk(t)K㈦+ Σ^严⑴， 其中Gf (t)表示包含特征区域的轮廓分段，(t)表示包含非特征区域的轮廓分段，根据 轮廓特征分布选取K滤波器的参数，同时考虑全局特征和局部特征因素，在特征区域，为了 保留细节信息，令σ S X σ:1);在非特征区域，为了提高抑制噪声的效果，令 _σ_ > Π?3χ(σ，|_i() X σ())·其中σ'为先验估算得到的全局方差，σχ*所选特征区域的先验估算方 差，σ〇为所选非特征区域的先验估算方差，为所选特征区域的平均实时曲率修正系数，W 为所选非特征区域的平均实时曲率修正系数;为了达到较好的平滑效果，选取每种类型区 域最小长度S的一半作为K滤波器85%置信区间的长度，从而根据两类区域的长度自适应不 同参数的K滤波器。
[0018] 本发明通过在树木修剪器上加装识别装置，树木修剪器能够对树木轮廓进行识 另IJ，识别过程中能有效滤除树木轮廓噪声，达到良好的识别效果。识别结果形象直观，可以 很容易看出是否修剪为指定形状，同时为下一步修剪提供准确的轮廓支持，极大的减轻了 人的负担。
【附图说明】
[0019] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得 其它的附图。
[0020] 图1是本发明的高效率的树木修剪器的结构框图。
【具体实施方式】
[0021] 结合以下实施例对本发明作进一步描述。
[0022] 图1是本发明的结构框图，其包括:建模模块、分段模块、合并模块、滤波模块。
[0023] 实施例1: 一种高效率的树木修剪器，包括普通树木修剪器和安装在树木修剪器上 的识别装置，该树木修剪器能够对树木轮廓进行识别，其特征是，包括建模模块、分段模块、 合并模块和滤波模块；
[0024] 建模模块，用于建立目标轮廓的参数化方程:对于给定的目标轮廓G(t)，其弧长参 数化方程表示为G(t) = (x(t)，y(t))，其中x(t)和y(t)分别表示轮廓点的坐标，t表示轮廓 曲线方程的参数，且te[0，i];
[0025] 含噪轮廓的弧长参数化方程表示为AWOiGUHNKO+NdOGU)，其中加性噪 声部分Ni(t)=Ni(xi(t)，yi(t))，乘性噪声部分N2(t)=N2(X2(t)，y2(t));
[0026] 分段模块，用于对轮廓的分段：目标轮廓G(t)和含噪轮廓GN(t)所对应的曲率分别 为k(t)和k N(t);由于受到噪声的影响，含噪轮廓GN(t)上部分特征点的曲率值kN(t)不能准 确表示轮廓信息，为了得到准确的曲率，选宽度为De {7，9}的窗函数W(n)，对曲率kN( t)进 行邻域平均，得到平均曲率kiN( t)，同时对窗口内的曲率值排序，选定中值曲率k2N( t)，将平 均曲率k1N(t)和中值曲率k2N(t)差的绝对值与选定的阈值1^ = 0.24进行比较，根据比较结果 决定含噪轮廓曲率k'U)，即：
[0027] 当 |k lN(t)_k 2N(t) |
[0028] 否则，k'N(t) =k2N(t);
[0029] 由于曲率值较大的轮廓点通常反映了目标的显著特征，根据k'U)将轮廓中所有 轮廓点划分为特征点或非特征点，设定可变权值Τκ，通过判断目标轮廓特征多少，自适应的 决定Τκ，当 Ik'U) | 时，特征函数f(t)=0
[0030] 否则，特征函数f(t) = 1;
[0031] 分类后所得到的特征点和非特征点的分布并不连续，无法选取滤波器对其进行有 效的轮廓平滑。为了得到较好的轮廓平滑效果，有必要对同类型的轮廓点进行合并处理。
[0032] 合并模块：用于剔除由于噪声干扰产生的伪特征点，以及对无法形成连续区域的 特征点和非特征点进行合并操作，从而得到有效的特征区域与非特征区域:选定一个起始 点〇,轮廓起始点向两侧延伸合并相邻的点，以该起始点类型作为该区域预设类型，向两侧 延伸各SXy〇时停止，其中S为预设的最小长度，在此实施例中
为〇点处的实时曲率修正系数，代表〇点的曲率半径，^$代表由上述窗函数得到的〇 点的平均曲率半径，实时曲率修正系数用于根据不同点的曲率不同，自动修正延伸长度， 曲率大的地方需要的长度小些，曲率小的地方需要的长度大些，这样能有效减小合并后的 失真现象;分别计算两侧区域内相异点的个数Ν+1和Ν-1，若相异点的个数小于设定的该类 型相异点最小个数，则该区域与预设类型相同，否则，与预设类型相反;再以两个停止点〇 +1 和点0-1作为起始点重新开始计算，向外侧延伸时停止，其中 代表点〇+1和点Ο-i处的实时曲率修正系数，〇 +1两侧区域内相异点个数为Ν+2,0^两侧区域内 相异点个数为Ν-2,根据上述判定条件，依次确定各段轮廓类型，长度不足S的部分根据其与S 的比例计算相异点个数，计入相应的特征区域;对相邻的同类型区域进行合并，得到连续的 特征区域和非特征区域。
[0033]滤波模块:乘性噪声由于和图像信号是相关的，随图像信号的变化而变化，采用维 纳滤波来进行一级滤除，此时图像信息还包含有残余乘性噪音，通过F滤波器F(x，y)=qX θχρ(-(χ2+ιι 2)/β2进行二级滤除，其中q是将函数归一化的系数，即：nqXexp(-(