专利名称：自动识别玉米茎叶图像的方法和系统的制作方法
技术领域：
本发明涉及图像处理技术领域，尤其涉及一种玉米茎杆识别方法。
背景技术：
在玉米施肥作业过程中，自动施肥机上的施肥装置会与玉米的茎杆等“障碍物”发生碰撞，导致设备损坏或伤害作物，因此需要对这些“障碍物”进行实时、准确的识别和定位，使得自动施肥机在可能与“障碍物”发生碰撞之前改变移动路线或停止移动。这种识别和定位技术能够通过机器视觉来实现，采用摄像机采集图像，利用计算机、DSP芯片等设备对图像进行处理。现有技术中采用对玉米茎杆的色差R-B图像进行hough变换直线检测进而实现茎杆的识别，虽然基于Hough变换的直线检测方法是一种日趋成熟的算法，但计算量比较大，不利于实时应用和变换过程中丢失了线段的端点和长度信息。
发明内容
本发明要解决的技术问题是:提供一种玉米茎杆识别方法，其能够实时、准确地识别出玉米的茎杆，并能使自动施肥机在施肥作业时避免因茎杆的阻碍造成设备损坏或伤害玉米植株等问题的发生。为解决上述问题，本发明提供了一种玉米识别方法，包括以下步骤:( I)采集RGB彩色图像；(2)将所述RGB彩色图像转化为灰度图像；( 3 )对所述灰度图像进行预处理；(4)通过二值化处理将预处理后的所述灰度图像转化为二值化图像；(5)对所述二值化图像进行直线检测；(6)计算所述二值化图像被检测得到的直线分割的不同区域的形状特征，并根据所述不同区域的形状特征对采集到的RGB彩色图像进行识别，得到最终的茎杆目标。所述预处理为小波提升处理，其能够提取灰度图像低频轮廓信息、抑制高频噪声。当步骤(3)中的预处理为小波提升处理时，步骤(4)进一步包括:对经过小波提升处理后的像素降低后的灰度图像采用微分算子进行二值化处理，将灰度图像转化为二值化图像。步骤(5 )进一步包括:利用过零点检测获得二值化图像的边界点，进而通过边界跟踪算法将边界点转化为链码表示的符号信息，基于边界跟踪得到的链码串进行直线检测。本发明通过对玉米茎杆的RGB彩色图像进行灰度化、小波提升、二值化处理后，通过边界点检测，利用基于链码的直线检测进而能够实时、准确地识别出玉米的茎杆，使自动施肥机在施肥作业时避免因茎杆的阻碍造成设备损坏或伤害玉米植株等问题的发生。
图1为本发明实施方式中所述玉米茎杆识别方法的流程图；图2为8方向链码的示意图。
具体实施例方式下面结合附图和实施例，对本发明的具体实施方式
作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。如图1所示，本发明所述的一种玉米茎杆识别方法，包括以下步骤:( I)采集RGB彩色图像；(2)将所述RGB彩色图像转化为灰度图像；本步骤中，对采集到的RGB彩色图像进行灰度化处理，将彩色图像转化为灰度图像。设彩色图像中原来某点的颜色为RGB(R，G，B)，可以通过下面几种方法，将其转换为灰度:I)浮点算法:Gray=R*0.3+G*0.59+B*0.11 ；2)整数方法:Gray=(R*30+G*59+B*ll)/100 ；3)移位方法:Gray=(R*76+G*151+B*28)>>8 ；4)平均值法:Gray= (R+G+B) /3 ；5)仅取绿色:Gray=G ；通过上述任一种方法求得Gray后，将原来的RGB (R, G, B)中的R、G、B统一用Gray替换，形成新的颜色RGB(Gray，Gray, Gray)，用它替换原来的RGB(R，G, B)就得到了灰度图像。在图像处理过程中，为利用彩色图像的颜色特征将目标对象从图像背景中分割出来，经常对彩色图像进行降维处理，仅利用某一特征分量来描述图像的颜色，将彩色图像转化为灰度图像。与此同时，通过彩色图像的灰度化，也使图像数据量明显减少，大大提高了图像处理速度。本发明中，由于图像的色彩信息对所要提取的茎杆形态信息并不重要，灰度图像较好地保留了原始彩色图像中茎杆的形态信息。(3)对所述灰度图像进行预处理；
上述预处理为小波提升处理，对转化后的灰度图像进行小波提升处理，所述小波提升处理能够提取灰度图像低频轮廓信息、抑制高频噪声；小波提升是一种更为快速有效的小波变换实现方法，被称为第二代小波变换。小波提升不依赖于傅里叶变换，继承了第一代小波的多分辨率的特征，小波变换后的系数是整数，无需额外的内存，可用本位操作进行运算，能够实现任意图像尺寸的小波变换。借助于因子化小波变换，所有小波变换都能够用小波提升模式来实现。本步骤中，小波提升处理包括分裂、预测和更新，考虑信号{V’11 O < I < 2]，它经过一级小波变换后得到的低频信号为和高频信号(T1，则构建低分辨率图像的具体实现过程为:1.分裂:将输入信号V分为奇、偶两个子集，位于偶下标位置的元素构成的集合记为Werv1=ISi21IO ( I ( 2^-1}，位于奇下标位置的元素构成的集合记为odd^^tsj-21+110 彡 I 彡 2^-1}；
I1.预测:在基于原始数据相关性的基础上，用偶数序列的预测值去预测或者内插奇数序列；II1.更新:更新的目的是要找一个更好的子集，使其保持原图的某一标量特性Q(X)(如均方根值不变)，即Q(sH)=Q(d_)；其中，对于小波提升，存在分裂算子Split、预测算子P和更新算子U，使得(everij—p Oddj^1) =Split (sJ), dJ^oddj—fP (everij^),s^^everij^+U ((Ij"1)。一幅像素为MXN的图像，经过一次小波提升后，取其低频分量构建低分辨率图
像，其像素为此外，由于噪声大多分布在图像的高频部分，因此基于小波提升所构
建的低分辨率图像有效地抑制了高频噪声。(4)通过二值化处理将预处理后的所述灰度图像转化为二值化图像；当步骤(3)中的预处理为小波提升处理时，本步骤进一步包括:对经过小波提升处理后的像素降低后的灰度图像采用微分算子进行二值化处理，将灰度图像转化为二值化图像；(5)对所述二值化图像进行直线检测；本步骤进一步包括:利用过零点检测获得二值化图像的边界点，进而通过边界跟踪算法将边界点转化为链码表示的符号信息，基于边界跟踪得到的链码串进行直线检测；本步骤中，边界跟踪算法主要包括扫描过程和跟踪过程，假设边界存在于像素之间，由边元构成，分为水平和垂直两种，设当前考察点坐标为U，y)，判断是否存在水平边元以(x+l，y)为参考点，判断是否存在垂直边元以(x，y+l)为参考点，当考察点与参考点的值相同时，这两个点之间没有边界通过，边元的值为零，根据它们都是目标点还是背景点分为正零和负零两种，当考察点与参考点的值相异时两点之间有边界通过，边元的值非零，根据考察点是目标点还是背景点分别取正或负；跟踪方向规定如下:目标点始终在前进方向的左边，对于一个连通区域的外边界，跟踪方向为逆时针方向，而内边界(内部孔洞所形成的边界)则为顺时针方向，当在封闭链码基础上求面积时，外边界链码所围成的区域面积为正，而内边界链码所围成区域而积为负；边元的取值同时也表明了相应的跟踪方向，某个边元方向为正，对水平边元而言，跟踪方向向右，对垂直边元而言，跟踪方向向上；跟踪过程中的标记打在当前边元的目标点上，以区分该边界点是否已经被跟踪过；当当前考察点与参考点之间存在非零边元时，根据这两点所构成的2X2窗口中其余两点的情况，来决定下一步的跟踪方向，即后继边元，当返回起点时，跟踪过程结束。其中，扫描过程采用网格扫描的方式寻找尚未跟踪过的边界点，链码采用8方向链码。上述边界跟踪核心算法极大地提高了算法效率。对图像做网格扫描，只有与网格线相交的区域才有可能被跟踪，那些完全落在网格内的区域则被忽略。因此，采用网格扫描也可以极大地提高处理速度。基于边界跟踪得到的链码串进行直线检测过程中，采用以下形式表示目标边界的链码串:
权利要求
1.一种自动识别玉米茎叶图像的方法，其特征在于，包括以下步骤: (1)采集RGB彩色图像； (2)将所述RGB彩色图像转化为灰度图像； (3)对所述灰度图像进行预处理； (4)通过二值化处理将预处理后的所述灰度图像转化为二值化图像； (5)对所述二值化图像进行直线检测； (6)计算所述二值化图像被检测得到的直线分割的不同区域的形状特征，并根据所述不同区域的形状特征对采集到的RGB彩色图像进行识别，得到最终的茎杆目标。
2.如权利要求1所述的方法，所述预处理为小波提升处理，其能够提取灰度图像低频轮廓信息、抑制高频噪声。
3.如权利要求2所述的方法，所述小波提升处理包括分裂、预测和更新，考虑信号Sj=Isju1^ I ( 2]，它经过一级小波变换后得到的低频信号为Z1和高频信号(T1，则构建低分辨率图像的具体实现过程为:裂:将输入信号V分为奇、偶两个子集，位于偶下标位置的元素构成的集合记为everv^lsmlo ( I ( 2^-1}，位于奇下标位置的元素构成的集合记为odd^^tsj-21+110 彡 I 彡 2^-1}； I1.预测:在基于原始数据相关性的基础上，用偶数序列的预测值去预测或者内插奇数序列； II1.更新:更新的目的是要找一个更好的子集使其保持原图的某一标量特性Q(X)(如均方根值不变)，即Q(sH)=Q(d_)； 其中，对于小波提升，存在分裂算子Split、预测算子P和更新算子U，使得 (everij—i, odd^) =Split (sJ)，d^oddj—fP (everij—i), s^^everij^+U (dJ_1) 0
4.如权利要求3所述的方法，其中所述保持原图的某一标量特性Q(x)为均方根值不变。
5.如权利要求2、3或4所述的方法，步骤(4)进一步包括: 对经过小波提升处理后的像素降低后的灰度图像采用微分算子进行二值化处理，将灰度图像转化为二值化图像。
6.如权利要求1所述的方法，步骤(5)进一步包括: 利用过零点检测获得二值化图像的边界点，进而通过边界跟踪算法将边界点转化为链码表示的符号信息，基于边界跟踪得到的链码串进行直线检测。
7.如权利要求6所述的方法，所述边界跟踪算法主要包括扫描过程和跟踪过程，假设边界存在于像素之间，由边元构成，分为水平和垂直两种，设当前考察点坐标为(X，y)，判断是否存在水平边兀以(χ+1, y)为参考点，判断是否存在垂直边兀以(X，y+Ι)为参考点，当考察点与参考点的值相同时，这两个点之间没有边界通过，边元的值为零，根据它们都是目标点还是背景点分为正零和负零两种，当考察点与参考点的值相异时两点之间有边界通过，边元的值非零，根据考察点是目标点还是背景点分别取正或负； 跟踪方向规定如下:目标点始终在前进方向的左边，对于一个连通区域的外边界，跟踪方向为逆时针方向，而内边界则为顺时针方向，当在封闭链码基础上求面积时，外边界链码所围成的区域面积为正，而内边界链码所围成区域而积为负； 边元的取值同时也表明了相应的跟踪方向，某个边元方向为正，对水平边元而言，跟踪方向向右，对垂直边元而言，跟踪方向向上； 跟踪过程中的标记打在当前边元的目标点上，以区分该边界点是否已经被跟踪过；当当前考察点与参考点之间存在非零边元时，根据这两点所构成的2X2窗口中其余两点的情况，来决定下一步的跟踪方向，即后继边元，当返回起点时，跟踪过程结束。
8.如权利要求7所述的方法，所述扫描过程采用网格扫描的方式寻找尚未跟踪过的边界点，所述链码为8方向链码，所述内边界为内部孔洞所形成的边界。
9.如权利要求6所述的方法，所述基于边界跟踪得到的链码串进行直线检测过程中，采用以下形式表示目标边界的链码串:I:Len, X，Y, d” d2,…，dn 其中I为当前链码串的编号，Len为当前链码串中链码的总长度，X，Y为当前链码串起始点的图像坐标，Cl1, d2,…，dn为当前链码串上各像素的方向码，则直线检测的步骤为: IV.最小直线段长度验证:顺序判断各条链码串，如果链码串的长度小于预设的最小直线段长度阈值LT，则舍弃该条链码串； V.根据直线段近似度准则从链码串中提取直线段: 顺序判断各条链码串； ①从起点开始，依次选择满足最小直线段长度约束的子链码串，根据式(I)计算该段的直线段近似度S，若S > ST, ST为预设的最小直线段相似度阈值，则该段满足直线约束，转②，否则舍弃该段，继续判断下一段子链码串；
10.如权利要求1所述的方法，所述步骤(6)进一步包括:将直线所在区域识别为茎杆，对被直线分割的其它区域利用形状参数F =和偏心率e = 二进行识别，满足F大于AnAreaa.2.3且e大于5的区域识别为茎杆的步骤，其中，Area和Per分别为区域的面积和周长，c和a分别为区域的边界长 轴长度和短轴长度。
全文摘要
本发明公开了一种玉米茎秆识别方法，包括以下步骤(1)采集RGB彩色图像；(2)将所述RGB彩色图像转化为灰度图像；(3)对所述灰度图像进行预处理；(4)通过二值化处理将预处理后的所述灰度图像转化为二值化图像；(5)对所述二值化图像进行直线检测；(6)计算所述二值化图像被检测得到的直线分割的不同区域的形状特征，并根据所述不同区域的形状特征对采集到的RGB彩色图像进行识别，得到最终的茎秆目标。本发明能够实时、准确地识别出玉米的茎秆，并能使自动施肥机在施肥作业时避免因茎秆的阻碍造成设备损坏或伤害玉米植株等问题的发生。
文档编号G06K9/00GK103116747SQ20131007698
公开日2013年5月22日 申请日期2013年3月11日 优先权日2013年3月11日
发明者陈国庆, 宁堂原, 张吉旺, 董树亭 申请人:山东农业大学