专利名称：一种水稻移栽后密度自动检测的方法
技术领域：
本发明属于数字图像处理和农业气象观测交叉领域，具体涉及到一种水稻移栽后密度的自动检测方法，即以田间拍摄的水稻图像序列为对象，从图像特征上检测水稻种植密度的方法。
背景技术：
水稻是我国主要的粮食作物之一，在我国南方广泛种植。一直以来，对于水稻各个发育期的观测主要是通过人工观测，受观测员主观因素的影响较大；同时由于水稻种植地域广、生长周期长，利用人工观测显然不够经济。因此，通过每天所拍摄的稻田图像，借助图像处理的手段，对其生长发育进行检测显得十分必要。水稻种植密度是田间水稻检测的一个重要环节，准确识别水稻种植密度，可以便与后期相关的田间作业，它是农业气象观测的 ー个重要内容。2009年刘海娟在硕士论文“基于图像处理的水稻成熟期密度检测”中提出了ー种利用图像检测水稻冠层密度分布的方法，利用检测到的冠层密度实时对联合收割机工作过程的调整喂入量，以便减少水稻在收割过程中的损失；2008年高建峰发表论文“辅以ETM的 MODIS水稻种植面积监视研究”探索了 ETM辅助下新一代卫星传感器MODIS在更小空间尺度下监视水稻种植面积。2005年田翠玲在硕士论文“水稻长势遥感监测与产量预报复合建模研究”中利用NOAA卫星的可见光通道和近红外通道，构造植被指数(NDVI)，结合地面样区实测叶面积指数，进行水稻的叶面积指数的遥感监测与产量的预报。以上方法中田翠玲和高建峰是利用遥感数据对水稻的种植面积进行确定，利用时间序列中水稻的叶面积指数， 但由于遥感图像分辨率低，且容易受到云层、云阴影和气溶胶等影响，获得的水稻种植面积误差较大，无法准确获得水稻的种植密度。而刘海娟在硕士论文中只对水稻成熟期水稻的稻穗密度进行估測，此方法仍不能用来进行确定水稻的种植密度。然而，在农业气象观测领域，主要通过利用稻田的水稻图像实时的对水稻种植密度进行较准确的计算，以便及时指导后期间苗、估产等农事活动，而且稻田中水稻受浮萍等影响背景复杂，光照变化剧烈，上述利用遥感图像等方法都不可行。
发明内容
本发明目的在于提供ー种水稻种植密度的自动检测方法，该方法利用田间水稻数字图像准确地检测出水稻的种植密度。一种水稻移栽后密度自动检测方法，具体为对水稻图像进行ニ值分割；初始化R个半径不同的圆形状结构元素MrEroded ；利用R个圆形状结构元素MrEroded对分割得到的ニ值图像进行腐蚀得到R个腐蚀结果 bwerodetK ；创建L个边长不同的方形形状结构元素MrDilate ；
利用L个方形形状结构元素MrDilate对腐蚀结果lwer0detK·行膨胀，得到RXL 个膨胀结果bwdilatei;检测各膨胀结果lmdilate‘的异常连通域数量；选取异常连通域数量从急剧下降到缓慢下降的转折点对应的方形形状结构元素作为最优结构膨胀元素；利用最优膨胀元素对腐蚀结果bwer0detK进行膨胀；从利用最优膨胀结构元素对腐蚀结果bwer0detK进行膨胀的结果中选取连通域数量最多对应的圆形状结构元素为最优腐蚀结构元素；利用最优腐蚀结构元素和最优膨胀结构元素对ニ值图像进行先腐蚀再膨胀得到 BffEDt ；统计BWEDt的连通域个数RegionNumt ；计算水稻密度= RegionNumt xbx…ゾ o---，b为每个稻穴中植
0.0013 χ SceneArea
入水稻数量，SceneArea为相机场景面积。进ー步地，所述异常连通域是指满足公式(1)或(2)的连通域；Distance ^ K1XMinDist (1)Distance为本连通域与其它连通域质心的最短欧式距离，MinDist为所有连通域的Distance的均值，0. 3彡K1彡0. 6 ；Pixnum为本连通域的像素数，MinPixnum为所有连通域的Pixnum的均值， 0. 15 ^ K2 ^ 1,2 ^ K3 ^ 3。进ー步地，在计算水稻密度步骤之前对所述BWEDt作去噪或/和连通域断开操作。本发明的技术效果体现在本发明自动对所采集的实时前下视水稻田间图像进行分割，并利用自适应腐蚀和膨胀操作计算图像中水稻穴数，进而计算得到该块稻田中的水稻的种植密度。该方法以表征水稻穴的连通域属性作为判断依据，实时地对水稻生长图像进行计算，检测结果准确率高，对后期相关的农事活动具有重要的指导意义。
图1是训练阶段的流程图2是水稻叶面彩色图像分割的流程图3是检测水稻种植密度的流程图4是训练图像集中随机挑选的ー张；
图5是图4中的图像人工阈值分割的结果；
图6是待检测序列中随机挑选的ー张图像；
图7是图6中图像的最终分割结果；
图8是图6分割结果自适应膨胀腐蚀处理后的结果；
图9是图6分割结果腐蚀结构元素大小为1时膨胀检索曲线
图10是相机观测场景示意图。
具体实施例方式下面结合附图来详细说明本发明的较佳实施例，本发明中使用图像序列采集与离地面高5米的相机，镜头焦距为12毫米，水平视场角为46度，垂直视场角为35度，相机分辨率不低于400万像素。实施例以每一天为ー检测时段，每ー检测时段内拍摄w张水稻图像(W =幻。每天为一检测阶段，有利于识别水稻的主要关键生长期。此发明旨在检测水稻种植密度以及监视稻田的密度变化，此处的水稻的密度只需三天左右检测一次。整个方法分为训练阶段、分割阶段和检测阶段。1.训练阶段通过前一年拍摄的稻田水稻的历史图像数据，统计图像中水稻叶面的H(色度)颜色特征随着Y (亮度)的变化规律，其流程如图1所示，具体步骤如下(1)样本图像生成，从往年历史图像数据中，随机选取各种光照条件下拍摄的稻田水稻图像100幅左右，将原图的R-G-B颜色空间转换为r-g-b颜色空间，再将r与g两个通道转化到极坐标系内，在极坐标系中利用方向与半径两个參数进行阈值分割，将水稻叶面区域保留，其它区域置为纯白色，得到水稻叶面的样本图像。图4是训练图像集中随机挑选的ー张，图5是此张图像的人工阈值分割的結果。(2)生成水稻叶面Y-H颜色特征统计表，水稻叶面Y-H颜色特征统计表包含信息有水稻叶面像素点在各亮度下对应的色调均值和色调方差。在生成水稻叶面样本图像之后，统计其中水稻叶面在H-S-V和Y-Cb-Cr颜色空间中的变化规律，其中Y表示亮度，Cb表示蓝色色度分量，Cr表示红色色度分量，H表示色调，S表示饱和度，V表示亮度，具体过程如下设样本图像集为Sm，m =ぃ"150，图像中的第i行与第j列像素点相对应的在 Y-Cb-Cr颜色空间的色彩分量Yffl(i, j)、Cbffl(i, j)、Crffl(i, j)和在H-S-V颜色空间的色彩分量礼⑴カメぶ，カ次ひ，カ，依次从每张样本图像的每个像素点查找，记皿！！！ニし若礼ひ， j)兴0或、(i，j)兴0或Vm(i，j)兴1(背景区域为纯白色)，则获取此水稻叶面像素点特征为[Y·，Hnum]，且令num = num+1。依次查找直到终止，将最后的num记为TotalNum。于是上述过程得到ー个TotalNumX 2的水稻叶面像素特征矩阵FT°talNumX2。为充分利用水稻叶面在各种光照条件下的颜色特征，将FT°taltaX2矩阵按行进行随机排列，再截取其中的前RowNum行特征，记为fKOTN X2。定义全零矩阵z256XK°wNum，依次从i = 0,2,…，255，在产—X2(也即[Yeownud, Heownub])中查找 Y= i 的所有 Hm，m= 1，2，...Ni,其中Ni表示fK°—X2中Y = i的像素数目，最后令ザ6—的第i行元素从左端开始按順序定义为Hm，m = 1,2, -Ni5Ni < RowNum，不足的位置取0。在像素点亮度为Y = i，i = 0，1，…，255的情况下，可以求出水稻叶面的色调分量H的均值和方差，公式分别为
权利要求
1.一种水稻移栽后密度自动检测方法，具体为 对水稻图像进行ニ值分割；初始化R个半径不同的圆形状结构元素MrEroded ；利用R个圆形状结构元素MrEroded对分割得到的ニ值图像进行腐蚀得到R个腐蚀结果 bwerodetE ；创建L个边长不同的方形形状结构元素MrDilate ；利用L个方形形状结构元素MrDilate对腐蚀结果lmerodetK进行膨胀，得到RX L个膨胀结果Wdilatetl^;检测各膨胀结果bwdilate‘的异常连通域数量；选取异常连通域数量从急剧下降到缓慢下降的转折点对应的方形形状结构元素作为最优结构膨胀元素；利用最优膨胀元素对腐蚀结果bwer0detK进行膨胀；从利用最优膨胀结构元素对腐蚀结果bwer0detK进行膨胀的结果中选取连通域数量最多对应的圆形状结构元素为最优腐蚀结构元素；利用最优腐蚀结构元素和最优膨胀结构元素对ニ值图像进行先腐蚀再膨胀得到 BffEDt ；统计BWEDt的连通域个数RegionNumt ；计算水稻密度ルCeMzmi = RegionNumt xbx議ド^-—-，b为每个稻穴中植入水稻数量，SceneArea为相机场景面积。
2.根据权利要求1所述的水稻移栽后密度自动检测方法，其特征在干，所述异常连通域是指满足公式(1)或的连通域；Distance ^ K1XMinDist (1)Distance为本连通域与其它连通域质心的最短欧式距离，MinDist为所有连通域的 Distance 的均值，0. 3 彡 K1 彡 0. 6 ；Pixnum < K2 χ MinPixnum()Pixnum > K3 χ MinPixnumPixnum为本连通域的像素数，MinPixnum为所有连通域的Pixnum的均值， 0. 15 ^ K2 ^ 1,2 ^ K3 ^ 3。
3.根据权利要求1所述的水稻移栽后密度自动检测方法，其特征在干，在计算水稻密度步骤之前对所述BWEDt作去噪或/和连通域断开操作。
全文摘要
本发明提供了一种水稻移栽后密度自动检测方法，该方法对所采集的实时前下视水稻田间图像进行分割，并利用自适应腐蚀和膨胀操作计算图像中水稻穴数，进而计算得到该块稻田中的水稻的种植密度。该方法以表征水稻穴的连通域属性作为判断依据，实时地对水稻生长图像进行计算，检测结果准确率高，对后期相关的农事活动具有重要的指导意义。
文档编号G06T7/00GK102542560SQ20111033685
公开日2012年7月4日 申请日期2011年10月31日 优先权日2011年10月31日
发明者余正泓, 吴茜, 张雪芬, 曹治国, 李翠娜, 王玉, 白晓东, 薛红喜, 鄢睿丞 申请人:华中科技大学