一种作物图像稠密匹配方法及系统的制作方法
【技术领域】
[0001]本发明涉及农业信息学领域，特别涉及一种作物图像稠密匹配方法及系统。
【背景技术】
[0002]图像匹配是模式识别、计算机视觉领域的重要组成部分。图像的精确匹配是图像目标定位、运动检测、三维重建、信息融合等后续处理工作的基础，其处理结果的好坏将直接影响后续分析工作的质量。
[0003]而在作物图像分析方面，为了能够分析作物状态信息，如病态叶片受害区域的形状、叶片大小、果实大小、株高等信息，需要对作物图像进行稠密匹配计算，即获取目标图像的每一个像素在多个图像中的位置对应关系。然而，虽然在工业领域，稠密匹配研宄已经有了一定的研宄成果，但在农业作物图像方面，由于作物图像以及背景的颜色、亮度和纹理的相似性，作物图像的稠密匹配是一项复杂的工作。在针对作物图像的稠密匹配方面，进展较少。
[0004]目前，稠密匹配的研宄主要有基于光流场的方法和基于SIFT流的匹配方法。
[0005]所谓光流场，是当摄像机与场景目标间有相对运动时，给图像中的每一个像素点赋予一个速度矢量，获得一个关于图像的运动场称为光流场。在光流场研宄方面，到目前为止，各种各样的方法和改进方法大约有几十种，从概念上粗略分为4类:基于梯度方法、基于区域方法、基于能量方法和基于相位方法。虽然基于光流场的稠密匹配算法在工业的应用方面取得了较大成果，但是自然环境下采集的作物图像稠密匹配比工业上的稠密匹配往往更加复杂，主要存在着不同叶片、不同果实以及背景的颜色、亮度相似、不同拍摄角度存在着遮挡差异、不同角度作物反射光照的差异等原因，光流场基于的亮度一致性在作物图像中难以应用，从而严重影响了光流计算的精度。
[0006]SIFT匹配算法是David在2004年提出的一种基于尺度空间的匹配算法。SIFT在图像缩放、旋转、亮度变化下都具有稳定的匹配能力，被公认为近10多年来最成功的两个匹配算法之一，另一个匹配算法为Bay于2008年提出的surf匹配算法。但SIFT匹配算法和surf匹配算法都只寻找两幅图像中的最匹配点对，不是稠密匹配算法。CeLiu等借助了光流场的思想，提出了基于SIFT特征向量一致性的SIFT流稠密匹配方法。SIFT流计算的基础是结构特征的灰度梯度一致性。在一些结构简单的工业应用领域，SIFT流能够达到较高精准的匹配效果。然而，在农业领域中，自然环境下作物图像的结构非常复杂，作物各部分以及背景相似性高，从而影响了作物图像的SIFT匹配效果。由于SIFT计算具有旋转不变性，作物图像的边缘区域与非匹配点结构也可能具有较大的相似性。发明人用几种典型的光流场算法和SIFT流算法计算红薯叶、草莓和茄子叶片图像的稠密匹配，实验结果显示存在较大差距，难以满足作物分析需要。
[0007]目前基于自然环境下复杂作物图像稠密匹配的研宄几乎是空白，这主要是由于自然环境下作物图像的结构复杂、分布凌乱等原因造成的。目前一些重要的成就大多工业应用领域，在农业领域中难以应用，无法达到作物状态分析的目的。
【发明内容】
[0008]本发明的目的在于克服现有技术的缺点与不足，提供一种作物图像稠密匹配方法。
[0009]本发明的另一目的在于提供一种作物图像稠密匹配系统。
[0010]本发明的目的通过以下的技术方案实现:
[0011]一种作物图像稠密匹配方法，包含以下顺序的步骤:
[0012]S1.分析目标的中心匹配:对左图待匹配目标的中心区域的一个像素，通过SIFT流场计算出其在右图中的匹配点；
[0013]S2.分析目标子图分割:在获得目标中心匹配点的基础上，以目标中心点以及其匹配点为中心截取两幅图像的子图；
[0014]S3.子图边界分割与子图稠密匹配:在两子图中，通过边界分割算法去除分析目标边界外的图像；对每一个分析目标的像素点，在右子图中搜索与其SIFT向量最近距离的像素点作为匹配点，从而获得每一个像素匹配点，得到目标作物的稠密匹配；
[0015]S4.原图中的稠密匹配:在子图稠密匹配结果的基础上，通过步骤S2截取的子图的逆变换，得到源图像稠密匹配结果。
[0016]步骤S2中，所述的目标子图分割的大小要根据监测目标的大小设定。以保证需要分析的目标在两幅子图中都能够完整出现。
[0017]步骤S3中，所述的边界分割算法为canny边界分割算法。
[0018]本发明的另一目的通过以下的技术方案实现:
[0019]一种作物图像稠密匹配系统，包括瘦客户机、与瘦客户机相连的摄像头、第一 AP，还包括为瘦客户机、第一 AP供电的供电模块，以及服务器、与服务器相连的第二 AP。
[0020]所述的供电模块包含控制器，以及分别与控制器相连的蓄电池、太阳能板、逆变器，所述的逆变器分别与瘦客户机、第一 AP相连。本发明的作物图像稠密匹配系统的瘦客户机、摄像头、第一 AP处于所要监测的作物旁，一般为野外，因此供电模块采用太阳能会比较方便，不用专门铺设供电线缆，也比较节能环保。
[0021]所述的摄像头为两个Logitch Pro9000摄像头，两个摄像头距离地面6?12厘米，两个摄像头方向一致。用较多的试验证明，Logitch Pro9000摄像头能够在不同的光照条件下采集较高质量的作物图像。调整左右摄像机位置与拍摄方向。两摄像机大约在同一高度，距离6-12厘米；适当调整摄像机方向，达到两摄像机中都能够获得目标较完整的图像，然后固定住两个摄像机的位置和拍摄方向。
[0022]本发明与现有技术相比，具有如下优点和有益效果:
[0023]1、本发明主要是研宄自然环境下作物图像的稠密匹配方法。目前大多的研宄成果主要在工业应用领域，这些成果无法直接应用于作物分析目的。本发明创造是在自然环境下，对于拍摄的作物图像能够达到较精确地稠密匹配结果，能够满足作物状态分析的目的，为进一步的实时分析与处理提供基础。
[0024]2、作物图像对作物状态的分析有着极其重要的作用，可以通过作物图像分析获得作物的生长状态以及病虫害的信息。随着嵌入式技术和无线传输技术的发展，人们可以随时随地地采集作物的图像并进行传输，从而可以获得大量的作物的图像信息。然而信息丰富而知识匮乏，人们希望从大量采集的图像中获得病虫害区域的形状与大小、叶片与果实大小和株高、作物动态变化过程等丰富的作物尺度状态信息。然而，由于目前的存