基于广角摄像的离散型冠层叶面积指数检测系统和方法
【专利摘要】本发明公开了一种基于广角摄像的离散型冠层叶面积指数检测系统和方法，包括计算机、与计算机连接的广角摄像头以及升降机构，所述升降机构包括垂直升降杆和水平滑动杆，所述水平滑动杆安装在垂直升降杆上，广角摄像头安装在水平滑动杆上，能够在水平滑动杆上移动。本发明采用广角摄像头获取彩色数字冠层图像，再针对彩色数字冠层图像依次进行灰度变换、图像增强、滤波处理、二值化处理以及孔隙率提取，最后根据冠层孔隙率计算出冠层的叶面积指数，适合对分布不均匀的离散型的冠层进行叶面积指数的计算，具有检测结果较准确的优点。并且本发明可减少图像处理过程中引入的噪声对数据的影响，排除图像处理过程中最主要的干扰。
【专利说明】基于广角摄像的离散型冠层叶面积指数检测系统和方法
【技术领域】
[0001]本发明涉及一种叶面积指数检测技术，特别涉及一种基于广角摄像的离散型冠层叶面积指数检测系统和方法。
【背景技术】
[0002]叶面积指数LAI (Leaf Area Index)是指一块地上作物叶片的总面积与占地面积的比值，是生态系统的一个重要结构参数，用来反映植物叶面数量、冠层结构变化、植物群落生命活力及其环境效应。在现阶段对叶面积指数的研究对象，主要是针对冠层较为单一均匀的水稻、小麦、森林等农作物，而对于冠层为离散型的果树，则研究较少。目前用于检测果树冠层LAI的设备成本普遍较高，且操作过程复杂，受检测环境的影响大，因此限制了其推广。近年来，图像处理技术发展非常迅速，其方法和算法也不断在创新，应用图像处理技术的分析软件工具也层出不穷，应用也越来越广泛。随着数码照相技术和图像处理软件的不断改进，利用计算机系统采用简便而又成本低廉的方法测定叶面积成为可能。
[0003]在现有技术中，针对水稻等单一均匀的冠层进行叶面积指数检测时，通常采用基于Beer-Lambert定律和泊松模型以及水稻等冠层叶片数投影函数的两大特性，计算水稻等冠层的叶面积指数，能够完成对水稻叶面积指数实时获取，不用野外采摘水稻叶片进行破坏性人工测量。但是这种叶面积指数方法采用的泊松模型只能针对分布均匀的冠层进行处理，对于分布不均匀结构较为复杂的离散冠层来说，这种方法的测量精度较低。
【发明内容】
[0004]本发明的第一目的在于克服现有技术的缺点与不足，提供一种结构简单、功能专一、成本低、操作方便、工作效率高及测量结果较准确的基于广角摄像的离散型冠层叶面积指数检测系统。
[0005]本发明第二目的在于提供一种基于上述系统的叶面积指数检测方法。该方法采用图像处理的方式获取到离散型冠层的叶面积指数，减少图像处理过程中引入的噪声对数据的影响，排除最主要的干扰，能测得具有较准确叶面积指数测量值的优点。
[0006]本发明的第一目的通过下述技术方案实现:一种基于广角摄像的离散型冠层叶面积指数检测系统，包括计算机，与计算机连接的广角摄像头以及升降机构，所述升降机构包括垂直升降杆和水平滑动杆，所述水平滑动杆安装在垂直升降杆上，广角摄像头安装在水平滑动杆上，能够在水平滑动杆上移动。
[0007]优选的，垂直升降杆和水平滑动杆通过转向角连接，其中水平滑动杆固定于转向角上，转向角通过内角螺母固定于垂直升降杆上，通过内角螺母调整水平滑动杆在垂直升降杆上的位置。
[0008]本发明的第二目的通过下述技术方案实现:
[0009]一种基于广角摄像的离散型冠层叶面积指数检测检测方法，步骤如下:
[0010]S1、彩色数字冠层图像获取:将广角摄像头置于冠层上方，启动计算机，通过广角摄像头检测捕捉图像并进行拍摄，广角摄像头将拍摄到彩色数字冠层图像传送到计算机；
[0011]S2、灰度变换:将广角摄像头拍摄到的彩色数字冠层图像转换成灰度图像；
[0012]S3、图像增强:采用各种图像增强处理方式针对步骤S2中获取的灰度图像分别进行图像增强处理，最终根据图像增强后的图像灰度直方图选择增强效果最好的图像；
[0013]S4、滤波处理:对步骤S3中获取的图像增强效果最好的图像进行滤波处理；
[0014]S5、图像二值化:将步骤S4经过滤波处理后的图像进行二值化处理，其中选定第一阈值，判断经过步骤S4滤波处理后的图像中各像元的灰度值是否小于第一阈值，以将图像划分为包含叶片和背景两种像元；
[0015]若是，则将该像元划归为背景像元；
[0016]若否，则将该像元划归为叶片像元；
[0017]S6、孔隙率分析:选择第二阈值，根据该第二阈值对步骤S5 二值化后的图像进行孔隙率分割，将图像中的冠层孔隙像元提取出来；其中将灰度值大于第二阈值的划分孔隙像元；
[0018]S7、孔隙率计算:根据步骤S5和S6获取图像中叶片和冠层孔隙像元的数量，依据Beer-Lambert定理计算广角摄影图像单角度天顶角Θ =57.5°下的冠层孔隙率；
【权利要求】
1.一种基于广角摄像的离散型冠层叶面积指数检测系统，包括计算机，其特征在于，还包括与计算机连接的广角摄像头以及升降机构，所述升降机构包括垂直升降杆和水平滑动杆，所述水平滑动杆安装在垂直升降杆上，广角摄像头安装在水平滑动杆上，能够在水平滑动杆上移动。
2.根据权利要求1所述的基于广角摄像的离散型冠层叶面积指数检测系统，其特征在于，垂直升降杆和水平滑动杆通过转向角连接，其中水平滑动杆固定于转向角上，转向角通过内角螺母固定于垂直升降杆上，通过内角螺母调整水平滑动杆在垂直升降杆上的位置。
3.一种基于权利要求1所述的基于广角摄像的离散型冠层叶面积指数检测系统的检测方法，其特征在于，步骤如下: 51、彩色数字冠层图像获取:将广角摄像头置于冠层上方，启动计算机，通过广角摄像头检测捕捉图像并进行拍摄，广角摄像头将拍摄到彩色数字冠层图像传送到计算机； 52、灰度变换:将广角摄像头拍摄到的彩色数字冠层图像转换成灰度图像； 53、图像增强:采用各种图像增强处理方式针对步骤S2中获取的灰度图像分别进行图像增强处理，最终根据图像增强后的图像灰度直方图判断图像增强效果，并且选择增强效果最好的图像； 54、滤波处理:对步骤S3中获取的增强效果最好的图像进行滤波处理； 55、图像二值化:将步骤S4经过滤波处理后的图像进行二值化处理，其中选定第一阈值，判断经过步骤S4滤波处理后的图像中各像元的灰度值是否小于第一阈值，以将图像划分为包含叶片和背景两种像元； 若是，则将该像元划归为背景像元； 若否，则将该像元划归为叶片像元； 56、孔隙率分析:选择第二阈值，根据该第二阈值对步骤S5二值化后的图像进行孔隙率分割，将图像中的冠层孔隙像元提取出来；其中将灰度值大于第二阈值的划分孔隙像元; 57、孔隙率计算:根据步骤S5和S6获取图像中叶片和冠层孔隙像元的数量，依据Beer-Lambert定理计算广角摄影图像单角度天顶角Θ =57.5°下的冠层孔隙率；
其中τ(θ)为单角度天顶角Θ下冠层的孔隙度，Ptl(Q)为单角度天顶角Θ下冠层孔隙像元数量，P1(Q)为单角度天顶角Θ下叶片像元数量； 58、计算叶面积指数:依据Beer-Lambert定理中图像冠层孔隙率与叶面积指数的关系计算图像中冠层的叶面积指数。
4.根据权利要求3所述的基于广角摄像的离散型冠层叶面积指数检测方法，其特征在于:所述步骤S2中选择最大值法、平均法或权重法对彩色数字冠层图像进行灰度转换。
5.根据权利要求3所述的基于广角摄像的离散型冠层叶面积指数检测方法，其特征在于:所述步骤S3中所采用的各图像增强方法为直方图灰度线性变换法、直方图均衡化法和有限对比自适应直方图均衡化法。
6.根据权利要求3所述的基于广角摄像的离散型冠层叶面积指数检测方法，其特征在于:所述步骤S4中采用低通滤波器对步骤S3中获取的冠层增强后的图像进行中值滤波处理:将低通滤波器窗口中的像素按灰度级排序，取其中间值作为原窗口中心像素的灰度值。
7.根据权利要求3所述的基于广角摄像的离散型冠层叶面积指数检测方法，其特征在于，所述步骤S5中通过选定的第一阈值将图像划分为包含叶片和背景两种像元，其中叶片像元显示为白色，背景像素元显示为黑色。
8.根据权利要求3所述的基于广角摄像的离散型冠层叶面积指数检测方法，其特征在于，所述步骤S5中图像二值化时通过最大类间方差自适应方法和/或人工方法确定第一阈值。
9.根据权利要求3所述的基于广角摄像的离散型冠层叶面积指数检测方法，其特征在于，所述步骤S6中采用最大类间方差自适应方法和/或人工方法确定第二阈值；当同时采用最大类间方差自适应方法和人工方法确定第二阈值时，若最大类间方差自适应方法确定的第二阈值对图像进行孔隙率分割后，在提取的孔隙率与冠层实际的孔隙率的误差超过一定值时，采用人工方法重新选择第二阈值对孔隙率进行提取；其中步骤S6中提取的冠层孔隙像元为白色，其他像元为黑色。
10.根据权利要求3所述的基于广角摄像的离散型冠层叶面积指数检测方法，其特征在于，所述步骤S8中叶面积指数LAI为:
r.r -1n T(Θ),co^e LAI =-—-；
0(θ) 其中G(0)是平均投影函数，g卩Θ方向上单位叶片的投影面积，它与冠层内叶片的叶倾角分布有关，其中当Θ =57.5°时，G(0)为0.5。
【文档编号】G06T7/00GK104200457SQ201410348727
【公开日】2014年12月10日 申请日期:2014年7月21日 优先权日:2014年7月21日
【发明者】吴伟斌, 洪添胜, 宋淑然, 黄双萍, 杜俊毅, 冯灼峰, 廖劲威, 许棚搏, 郑鹏淋, 冯运琳 申请人:华南农业大学