專(zhuān)利名稱(chēng)：一種水稻抽穗期自動(dòng)檢測(cè)的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理和農(nóng)業(yè)氣象觀(guān)測(cè)交叉的領(lǐng)域，具體涉及到一種水稻抽穗期的自動(dòng)檢測(cè)方法，即以田間拍攝的水稻圖像序列為對(duì)象，從圖像特征上自動(dòng)檢測(cè)水稻是否進(jìn)入抽穗期的方法。
背景技術(shù)：
水稻是我國(guó)主要的糧食作物之一，在我國(guó)南方廣泛種植。一直以來(lái)，對(duì)于水稻各個(gè)發(fā)育期的觀(guān)測(cè)主要是通過(guò)人工觀(guān)測(cè)，受觀(guān)測(cè)員主觀(guān)因素的影響較大；同時(shí)由于水稻種植地域廣、生長(zhǎng)周期長(zhǎng)，利用人工觀(guān)測(cè)顯然不夠經(jīng)濟(jì)。因此，通過(guò)每天所拍攝的稻田圖像，借助圖像處理的手段，對(duì)其生長(zhǎng)發(fā)育進(jìn)行檢測(cè)顯得十分必要。水稻抽穗期是水稻生長(zhǎng)期中的關(guān)鍵時(shí)期，對(duì)水稻產(chǎn)量形成過(guò)程較為重要。這期間水稻田間群體較大，植株抵抗力弱，常遇到高溫高濕天氣，是病蟲(chóng)害頻發(fā)的時(shí)期(李衛(wèi)國(guó)，王紀(jì)華，趙春江等.利用遙感技術(shù)監(jiān)測(cè)水稻群體長(zhǎng)勢(shì)[J].江蘇農(nóng)業(yè)科學(xué)，2008 (5) :288-289)，水稻抽穗期檢測(cè)是田間水稻生長(zhǎng)期自動(dòng)檢測(cè)的一個(gè)重要環(huán)節(jié)，準(zhǔn)確識(shí)別水稻抽穗期，可以便于指導(dǎo)后期相關(guān)的田間作業(yè)，它是水稻農(nóng)業(yè)氣象觀(guān)測(cè)的一個(gè)重要內(nèi)容。2008年孟英等在《黑龍江農(nóng)業(yè)科學(xué)》發(fā)表論文“水稻安全抽穗期預(yù)測(cè)模型”中利用T base和有效積溫，結(jié)合常年氣象數(shù)據(jù)，對(duì)水稻品種上育397的安全抽穗期進(jìn)行了預(yù)測(cè)。并給出當(dāng)T base = 9時(shí)，有效積溫是597. 2474°C，驗(yàn)證值與實(shí)際抽穗期的差異范圍為前后3d，預(yù)測(cè)值精確度較高；2008年于建華等在《內(nèi)蒙古農(nóng)業(yè)科技》中發(fā)表論文“赤谷六號(hào)熱量條件分析及抽穗期的預(yù)報(bào)方法”，文中通過(guò)回歸統(tǒng)計(jì)，指出水稻品種赤谷六號(hào)在赤峰具體氣候情況下，決定抽穗期早晚的關(guān)鍵是出苗后40d內(nèi)平均溫度，利用出苗后40d內(nèi)平均溫度對(duì)水稻抽穗期進(jìn)行預(yù)測(cè)誤差為前后2. 5d，最大誤差為9d。2008年許顯濱等在《黑龍江農(nóng)業(yè)科學(xué)》中發(fā)表論文“合江19水稻品種安全抽穗期模擬模型的研究”，文中指出合江19不同年份插秧期至抽穗期間從插秧和抽穗期所需要的天數(shù)有很大的不同，但有效積溫變化不大。文中根據(jù)插秧到抽穗的活動(dòng)積溫，建立了合江19水稻品種安全抽穗期模擬模型，經(jīng)過(guò)同地和異地模型預(yù)測(cè)值與實(shí)測(cè)值檢驗(yàn)，此模型對(duì)于合江19的預(yù)測(cè)誤差小于3d。2009年李花等在《遙感應(yīng)用》上發(fā)表論文“利用H J星遙感進(jìn)行水稻抽穗期長(zhǎng)勢(shì)分級(jí)監(jiān)測(cè)研究”中以江蘇省泰興市為例，利用HJ-A/B衛(wèi)星遙感影像，提取水稻的種植面積并分析抽穗期水稻的長(zhǎng)勢(shì)情況。利用衛(wèi)星影像校正，人機(jī)交互式判讀解譯等操作，將GPS樣點(diǎn)數(shù)據(jù)校驗(yàn)貫穿到整個(gè)分類(lèi)過(guò)程中。最后，利用歸一化植被指數(shù)(NDVI)反演葉面積指數(shù)(LAI)數(shù)據(jù)信息，依據(jù)LAI數(shù)據(jù)進(jìn)行水稻長(zhǎng)勢(shì)分級(jí)，制作了泰興市水稻抽穗期長(zhǎng)勢(shì)分級(jí)遙感監(jiān)測(cè)專(zhuān)題圖。以便農(nóng)業(yè)技術(shù)人員及時(shí)制定有效的田間管理措施，達(dá)到增產(chǎn)的目的。
以上方法中孟英、于建華和許顯濱分別對(duì)水稻品種上育397、赤谷六號(hào)與合江19的抽穗期建立了模型，對(duì)三種水稻品種的抽穗期進(jìn)行了較準(zhǔn)確的預(yù)測(cè)，但是上述方法中都是從水稻生長(zhǎng)環(huán)境的角度作為出發(fā)點(diǎn)對(duì)水稻的抽穗期進(jìn)行預(yù)測(cè)，沒(méi)有抓住抽穗期最為一般化的抽穗的或顏色的特征，上述建立的模型對(duì)于不同的品種水稻抽穗期的預(yù)測(cè)可能會(huì)有較大誤差。而李花等利用衛(wèi)星遙感圖像進(jìn)行了水稻長(zhǎng)勢(shì)分級(jí)，分析了水稻抽穗期的長(zhǎng)勢(shì)情況，但由于遙感圖像分辨能力低，且容易受到云層、云陰影和氣溶膠等影響，文中并沒(méi)能給出實(shí)時(shí)檢測(cè)水稻抽穗期的方法。然而，在農(nóng)業(yè)氣象觀(guān)測(cè)領(lǐng)域，主要通過(guò)利用稻田的水稻圖像實(shí)時(shí)的對(duì)水稻種植密度進(jìn)行較準(zhǔn)確的計(jì)算，以便及時(shí)指導(dǎo)后期相應(yīng)的施肥、防止病蟲(chóng)害等農(nóng)事活動(dòng)，而且由于不同水稻品種生長(zhǎng)所需生長(zhǎng)環(huán)境的差異較大，上述針對(duì)特定品種建立的抽穗期預(yù)測(cè)模型以及遙感監(jiān)測(cè)的方法都不可行。

發(fā)明內(nèi)容
本發(fā)明目的 在于提供一種水稻抽穗期的自動(dòng)檢測(cè)方法，能夠利用田間實(shí)時(shí)獲取的水稻數(shù)字圖像準(zhǔn)確地檢測(cè)出水稻是否進(jìn)入抽穗期，且對(duì)于不同品種的水稻具有較好的適用性。—種水稻抽穗期的自動(dòng)檢測(cè)方法，首先根據(jù)水稻歷史圖像序列離線(xiàn)訓(xùn)練得到稻穗像素點(diǎn)的水稻稻穗顏色信息表，水稻稻穗顏色信息表包含信息有稻穗像素點(diǎn)在每一亮度i=1，…，255下對(duì)應(yīng)的a顏色值和b顏色值的分布情況，然后在線(xiàn)實(shí)時(shí)獲取水稻圖像，并按照如下方式判斷水稻是否進(jìn)入水稻抽穗期(I)將獲取的當(dāng)前水稻圖像轉(zhuǎn)化到L-a-b顏色空間，將圖像中各像素點(diǎn)的L-a-b顏色空間色彩分量與所述水稻稻穗顏色信息表進(jìn)行比對(duì)，確定滿(mǎn)足顏色值分布情況的色彩分量對(duì)應(yīng)的像素點(diǎn)為稻穗像素點(diǎn)，進(jìn)而得到由稻穗像素點(diǎn)構(gòu)成的稻穗?yún)^(qū)域；(2)計(jì)算稻穗?yún)^(qū)域的像素?cái)?shù)占水稻圖像的像素總數(shù)的比例得到稻穗蓋度；(3)對(duì)計(jì)算得到的稻穗蓋度進(jìn)行中值濾波處理；(4)將中值濾波處理后的稻穗蓋度與此前計(jì)算得到的水稻圖像的稻穗蓋度進(jìn)行比較，若稻穗蓋度明顯增大，則表明當(dāng)前水稻圖像中的水稻進(jìn)入抽穗期。進(jìn)一步地，所述根據(jù)水稻穗像歷史圖像序列離線(xiàn)訓(xùn)練得到稻穗像素點(diǎn)的水稻稻穗顏色信息表的具體實(shí)現(xiàn)方式為(01)根據(jù)水稻穗像歷史圖像序列生成稻穗樣本圖像集；(02)獲取稻穗樣本圖像集中所有圖像的稻穗像素點(diǎn)在L-a-b顏色空間的色彩分量(L，a，b)，其中L表示亮度，a表示紅或綠的對(duì)應(yīng)值，b表示黃或藍(lán)的對(duì)應(yīng)值，其中L，a, b為8位無(wú)符號(hào)整形；(03)分別統(tǒng)計(jì)在每一亮度i = 1，…，255下的(a，b)顏色值相同的稻穗像素點(diǎn)個(gè)數(shù)；(04)分別在每一亮度i = 1，…，255下，按照(a，b)顏色值相同的稻穗像素點(diǎn)個(gè)數(shù)越多，則稻穗像素點(diǎn)在亮度i下表現(xiàn)為(a，b)顏色值的可能性越大的原則選取亮度i下的稻穗(a, b)顏色的標(biāo)定值；(05)定義三維ColorMap全零矩陣,第一維表示a顏色值,第二維表示b顏色值,第三維表示L亮度，令步驟(04)確定的每一亮度i下的稻穗(a，b)顏色的標(biāo)定值表示為(S，t, i),將ColorMap全零矩陣中的(s, t, i)元素值ColorMap (s, t, i)賦值為I,從而得到每亮度i下表征稻穗顏色的二值圖像；(06)對(duì)ColorMap中每一亮度i下的稻穗顏色的二值圖像依次進(jìn)行膨脹和腐蝕，得到水稻稻穗顏色信息表。進(jìn)一步地，采用結(jié)構(gòu)元素大小為5的圓形結(jié)構(gòu)元素對(duì)ColorMap中每一亮度i下的稻穗顏色的二值圖像進(jìn)行膨脹，再采用結(jié)構(gòu)元素大小為3的圓形結(jié)構(gòu)元素對(duì)ColorMap中每一亮度i下的稻穗顏色的二值圖像進(jìn)行腐蝕。 進(jìn)一步地，所述步驟(4)將中值濾波處理后的稻穗蓋度與此前計(jì)算得到的水稻圖像的稻穗蓋度的比值大于I. 5，則稻穗蓋度明顯增大。進(jìn)一步地，所述步驟(I)還對(duì)得到的稻穗?yún)^(qū)域作去噪處理。本發(fā)明的技術(shù)效果體現(xiàn)在本發(fā)明自動(dòng)對(duì)所采集的實(shí)時(shí)前下視水稻田間圖像進(jìn)行特征提取，并利用顏色信息對(duì)相機(jī)場(chǎng)景中的稻穗進(jìn)行圖像分割，進(jìn)而計(jì)算該塊稻田中的水稻是否進(jìn)入抽穗期。該方法以表征水稻生長(zhǎng)狀況的重要參數(shù)作為判斷依據(jù)，實(shí)時(shí)地對(duì)水稻生長(zhǎng)圖像進(jìn)行計(jì)算，檢測(cè)結(jié)果準(zhǔn)確率高，利用兩年的水稻早稻與晚稻數(shù)據(jù)進(jìn)行實(shí)驗(yàn)誤差為滯后兩天，最差一次為四天，對(duì)抽穗期相關(guān)的農(nóng)事活動(dòng)具有重要的指導(dǎo)意義。


圖I是訓(xùn)練階段的流程圖；圖2是水稻稻穗圖像分割的流程圖；圖3是自動(dòng)檢測(cè)水稻抽穗期的流程圖；圖4是水稻抽穗自動(dòng)檢測(cè)算法的整體流程；圖5是待檢測(cè)序列中隨機(jī)挑選的一張圖像；圖6是圖5中圖像的最終分割結(jié)果示意圖；圖7是2010年南昌水稻抽穗蓋度原始數(shù)據(jù)示意圖；圖8是圖7中水稻抽穗蓋度中值濾波后的結(jié)果示意圖。
具體實(shí)施例方式下面結(jié)合附圖來(lái)詳細(xì)說(shuō)明本發(fā)明的實(shí)施例。本發(fā)明中使用圖像序列采集與離地面高5米的相機(jī)，鏡頭焦距為14毫米，水平視場(chǎng)角為46度，垂直視場(chǎng)角為35度，相機(jī)分辨率不低于400萬(wàn)像素。實(shí)施例以每一天為一檢測(cè)時(shí)段，每一檢測(cè)時(shí)段內(nèi)拍攝w張水稻圖像(W = 5)。每天為一檢測(cè)階段，有利于識(shí)別水稻的主要關(guān)鍵生長(zhǎng)期。此發(fā)明旨在自動(dòng)檢測(cè)水稻抽穗期。整個(gè)方法分為訓(xùn)練階段、分割階段和檢測(cè)階段。I.訓(xùn)練階段通過(guò)前一年拍攝的稻田水稻的歷史圖像數(shù)據(jù)，統(tǒng)計(jì)圖像中稻穗部分在L-a-b顏色空間的顏色信息，其流程如圖I所示，具體步驟如下(I)生成稻穗樣本圖像。從往年歷史圖像數(shù)據(jù)中，隨機(jī)選取各種光照條件下拍攝的包含稻穗的水稻圖像80幅左右，手工扣取上述圖像中包含稻穗的圖像部分圖，部分圖大小為200X200像素(圖像塊大小不需要固定)，將上述稻穗圖像塊轉(zhuǎn)換到L-a-b顏色空間，在L-a-b顏色空間下利用k-means聚類(lèi)將部分圖分為5類(lèi)，每一類(lèi)對(duì)應(yīng)像素位置保留部分圖的顏色信息，其它像素各通道顏色值置為O。然后手工選出僅包含有稻穗的圖像塊作為樣本圖像集。上述圖像部分圖可以扣取僅包含稻穗的區(qū)域，也可扣取包含稻穗和水稻葉的區(qū)域，因?yàn)榈舅胨枷袼匦。虼丝廴H包含稻穗的區(qū)域難度比較大，優(yōu)選后者。本步驟也不局限于聚類(lèi)分割方法，還可使用圖割、分水嶺和區(qū)域生長(zhǎng)等分割方法。( 2)獲取稻穗樣本圖像集中所有圖像的稻穗像素點(diǎn)在L-a-b顏色空間的色彩分量(L, a，b)，其中L表示亮度，a表示紅或綠的對(duì)應(yīng)值，b表示黃或藍(lán)的對(duì)應(yīng)值,其中L，a，b為8位無(wú)符號(hào)整形。設(shè)稻穗樣本圖像集為S111,m = I··· 150，圖像中的第i行與第j列像素點(diǎn)相對(duì)應(yīng)的在L-a-b顏色空間的色彩分量L (i，j)、a (i，j)、b (i，j)和在R_G_B顏色空間的色彩分量R (i，j)、G(i, j)、B (i, j)，依次從每張樣本圖像的每個(gè)像素點(diǎn)查找，記num = I,若R(i, j)古O (背景區(qū)域?yàn)榧兒谏?，則獲取此水稻稻穗像素點(diǎn)特征為[anum, bnum, Lnum],且令num = num+1。依次查找直到終止，將最后的num-Ι記為T(mén)otalNum。于是上述過(guò)程得到一個(gè)TotalNumX3的水稻稻穗顏色信息矩陣FT°talN X3。(3)統(tǒng)計(jì)在不同亮度i = 1，…，255下，(a, b)顏色值相同的稻穗像素點(diǎn)個(gè)數(shù)。為充分利用水稻稻穗在各種光照條件下的顏色特征，將FT°taltaX3矩陣按行隨機(jī)排列，再截取其中的前RowNum行特征，記為fKOTNumX3。定義ζ 255為全零矩陣，依次從i =I，2，…，RowNum,按照 f—X3 (也即[a— bEowNum, LEowNum])行的順序，令 z (f (i，I)，f (i，2)，f(i，3)) = z(f(i，l)，f(i，2)，f(i，3))+l。于是獲得稻穗顏色信息的分布矩陣z，下面對(duì)矩陣ζ進(jìn)一步處理。RowNum的取值區(qū)間為[10000，50000]，此處我們選擇RowNum = 50000，獲得了較好的結(jié)果。(4)在第i = 1，…，255亮度下，按照(a，b)顏色值相同的稻穗像素點(diǎn)個(gè)數(shù)越多，則稻穗像素點(diǎn)在亮度i下表現(xiàn)為(a，b)顏色值的可能性越大的原則選取稻穗(a，b)顏色的標(biāo)定值。在像素點(diǎn)亮度為L(zhǎng)= i，i = 1，…，255的情況下，將z (a，b，i)矩陣轉(zhuǎn)化為向量形式，并將其按照元素由大到小的順序進(jìn)行排列得到向量mapLine，并計(jì)算mapLine的向量和 mapLineSum,向量長(zhǎng)度 mapLineLength,依次從 j = 1，…，mapLineLength,令mapLineSumTemp = mapLineSumTemp+mapLine(j)；直至mapLineSumTemp > 095 XmapLineSum,記此時(shí)的 j 為 TagLength,再依次從 j=1，···，TagLength,令z (s, t, i) = mapLine (j),由上式求得的(s, t)即為水稻稻穗在亮度i下(a，b)顏色的標(biāo)定值。(5)定義尺寸為255 X 255 X 255的三維ColorMap全零矩陣，第一維表示a顏色值，第二維表示b顏色值，第三維表示L亮度，令步驟(04)在亮度i下選取的稻穗(a，b)顏色的標(biāo)定值表示為(s, t, i),將ColorMap全零矩陣中的(s, t, i)元素值ColorMap (s, t, i)賦值為1，從而得到的ColorMap中，第i層表示在亮度i下表征稻穗顏色信息的二值圖像。(6)膨脹和腐蝕處理。在樣本數(shù)量有限情況下，ColorMap中本來(lái)應(yīng)該標(biāo)記為I的元素位置未能進(jìn)行標(biāo)記仍然為0，這就需要對(duì)ColorMap中的每層進(jìn)行后續(xù)處理，以便填補(bǔ)稻穗樣本有限進(jìn)而帶來(lái)的“空洞”。ColorMap中的每層為255X255的二值圖像，定義結(jié)構(gòu)元素大小為5的圓形結(jié)構(gòu)元素，對(duì)ColorMap中的每層二值圖像進(jìn)行依次膨脹(van den Boomgard, R, and R. vanBalen, " Methods for Fast Morphological Image Transforms Using BitmappedImages, " Computer Vision, Graphics, and Image Processing -Graphical Models andImage Processing, Vol. 54, Number 3, pp. 254-258, May 1992.),然后定義結(jié)構(gòu)兀素大小為3的圓形結(jié)構(gòu)元素,對(duì)ColorMap中的每層二值圖像進(jìn)行依次腐蝕(van den Boomgard,R,andR. van Balen," Methods for Fast Morphological Image Transforms Using BitmappedImages, " Computer Vision, Graphics, and Image Processing -Graphical Models andImage Processing, Vol. 54, Number 3, pp. 254-258, May 1992.),于是最終獲取稻糖的顏色信息統(tǒng)計(jì)表ColorMap。
本實(shí)施例訓(xùn)練階段(3)中“定義結(jié)構(gòu)元素大小為5的圓形結(jié)構(gòu)元素，對(duì)ColorMap中每層的二值圖像進(jìn)行依次膨脹，然后結(jié)構(gòu)元素大小為3的圓形結(jié)構(gòu)元素，對(duì)ColorMap中的每層的二值圖像進(jìn)行依次腐蝕”，這是實(shí)驗(yàn)后的判別式。在應(yīng)用中，不局限上述方法，只要可以填補(bǔ)生成的顏色信息表中每層二值圖像中的“空洞”的即可。2.分割階段，利用訓(xùn)練階段生成稻穗的顏色信息統(tǒng)計(jì)表ColorMap，對(duì)待檢測(cè)的實(shí)時(shí)前下視稻田水稻圖像進(jìn)行水稻稻穗分割，流程圖如附圖2所示，具體操作步驟如下(I)利用生成的稻穗顏色信息統(tǒng)計(jì)表，對(duì)實(shí)時(shí)前下視稻田圖像進(jìn)行水稻稻穗?yún)^(qū)域進(jìn)行粗選。將待分割圖像序列記為st，t = 1，2，…n，文中所有下標(biāo)t均代表待測(cè)圖像序列中的每張圖像S。將圖像S轉(zhuǎn)化到L-a-b顏色空間，此時(shí)圖像中的第i行與第j列像素點(diǎn)相對(duì)應(yīng)的在L-a-b顏色空間的色彩分量Lt (i,j)、at (i，j)、bt (i，j)，定義行列數(shù)與S相同的全零矩陣邏輯矩陣SLt。若ColorMap (at(i, j), bt(i, j), Lt(i, j)) ==1則此像素點(diǎn)為水稻稻穗對(duì)應(yīng)像素點(diǎn)，將SLt此位置標(biāo)記為I。由此得到粗選后水稻稻穗?yún)^(qū)域的分割結(jié)果邏輯矩陣SLt。(2)連通域標(biāo)記和去噪，利用標(biāo)記算法，對(duì)二值圖像SLt進(jìn)行8鄰域連通域標(biāo)記，第k個(gè)連通域記為SLt (k)，連通域的面積即像素個(gè)數(shù)記為numt (k)，根據(jù)如下的公式
v ' 「1， numt (k) > Threshold 其它’去除較小的連通域以降低噪聲對(duì)抽穗分割帶來(lái)的干擾。面積閾值Threshold根據(jù)需要進(jìn)行選擇，一般為[5,20]。一般可取Threshold為6。操作完成后得到最后的SLt。查找SLt中(i，j)位置為O的點(diǎn)，取S中此位置像素點(diǎn)為黑色，于是得到圖像Dt中水稻稻穗的最后分割結(jié)果DResultt,圖像序列中隨機(jī)選取的一張圖像如圖5，則它的分割結(jié)果如圖6所
/Jn ο3.檢測(cè)階段，將在線(xiàn)實(shí)時(shí)獲取的待分割圖像序列記為St，t = 1,2, -η中的每張圖像S進(jìn)行上述稻穗分割，分割結(jié)果中SLt稻穗對(duì)應(yīng)像素位置為1，其它像素位置為O。檢測(cè)階段分為水稻稻穗蓋度統(tǒng)計(jì)，稻穗蓋度統(tǒng)計(jì)與水稻抽穗期判斷兩個(gè)部分，具體操作步驟如下(I)水稻稻穗蓋度統(tǒng)計(jì)。設(shè)SLt圖像的長(zhǎng)寬分別為length、width,定義St中稻穗的覆蓋度RiceCovert定義為
RiceCovert = sum(SLt)/lengthXwidth, t = 1,2, ...n, sum(SLt)為分割圖像中的稻穗像素點(diǎn)數(shù)；(2)稻穗蓋度數(shù)據(jù)處理。在圖像序列St中，St指圖像中的第t張，由以上方法可以依次獲得RiceCovert, t=1,2,…，n，n表示獲取的圖像總數(shù)。假定該圖像序列中同一天內(nèi)w個(gè)不同時(shí)刻點(diǎn)一一對(duì)應(yīng)有w張圖像?？紤]到各個(gè)時(shí)刻點(diǎn)的稻田光照條件不同，會(huì)對(duì)稻穗的分割帶來(lái)一定干擾，可將各個(gè)時(shí)刻點(diǎn)的圖像進(jìn)行單獨(dú)分析，按時(shí)刻點(diǎn)對(duì)RiceC0Vert，t = 1,2,…，η劃分為w個(gè)子序列 RiceCoveri (s), i = I, 2, ···, w, s = 1,2, ···, n(i)',其中 nQ)'為第 i 個(gè)子序列中的圖像數(shù)量，同一子序列中的圖像按照其拍攝日期先后排序。逐一對(duì)這w個(gè)子序列進(jìn)行中值濾波。以 RiceCover1(S)為例,對(duì) RiceCover1(S)，s = 1,2, ·*·,η( )'矢量從后向前，以5個(gè)元素為一組向前進(jìn)行中值濾波,RiceCover1 (s)矢量中的前4個(gè)元素置為O. 01,獲得噪聲抑制后的矢量MedianRiceCover1 (s)。圖7是2010年南昌水稻抽穗蓋度原始數(shù)據(jù)，圖8是圖7中水稻抽穗蓋度中值濾波后的結(jié)果； (3)水稻抽穗期綜合判斷。將中值濾波處理后的蓋度與此前獲取的水稻圖像的稻穗蓋度進(jìn)行比較，若稻穗蓋度明顯增加，則表明當(dāng)前水稻圖像中的水稻進(jìn)入抽穗期。具體的比較方式有多種，例如將當(dāng)天圖像與之前(例如3 6天)的某一天圖像進(jìn)行比較，若蓋度相對(duì)于之前(例如3 6天)的某一天的水稻圖像的稻穗蓋度的比值大于等于閾值2，可認(rèn)為當(dāng)前水稻圖像中的水稻進(jìn)入抽穗期；又例如按照日期先后順序分階段比較，比如以m天(例如3 6天)為一個(gè)時(shí)段，將近期m天的圖像與之前的m天的圖像逐一比較，再對(duì)比較結(jié)果作綜合判斷。比較周期和用以判斷蓋度明顯增加的閾值根據(jù)比較方式來(lái)確定。上述比較方式只是示例，不局限于上述兩種方式，只要能實(shí)現(xiàn)與之前的圖像作稻穗蓋度比較判斷即可。下面給出一個(gè)第一個(gè)時(shí)刻點(diǎn)采用時(shí)段進(jìn)行比較的示例對(duì)于上述經(jīng)過(guò)噪聲抑制后的MedianRiceCover1 (S),定義Scale = 5即將當(dāng)前圖像與之前間隔5天的圖像進(jìn)行比較,令稻穗蓋度的比值閾值rate = I. 5。在MedianRiceCover1序列中依次從i = 2Scale, ···, n(i);,定義邏輯矩陣Iogicali, Iogicali的和為Sumlogicali, eps = O. 0001, Iogicali 其取值為以下判斷
MedianRiceCover, (i)右MedianRiceCoverfi~Scale) + eps > ^ ’則令 loSlcali ⑴=1 ;
MedkmRice Cove η (i-I)右MedianRiceCover/i -1 - Scale) + eps > 她，則令 loglcali (2) = 1 ;
MedianRiceCover1 (I-2)右MedkmRiceCover1 (i-2- Scale) 丁 eps > 她，則令 loglcali (3) = 1 ;
MedianRice Cover1 (I-3)若 r, e / I 〉rate，貝丨』令 Iogicali (4) = I ；
MemanKiceCOverl(ι -3 - Scale) eps
MedianRiceCover, (i-4)右MedianRiceCover/j - 4 - Scale) - eps > ，則令 loSlcalJ5) = 1 ;對(duì)第一個(gè)時(shí)刻點(diǎn)子序列，時(shí)間序列S = 1，2，…，n(i)'，其水稻抽穗期的判斷準(zhǔn)則是若
i MedianRiceCover1 (i) > 0.0005 I Sumlogicali > 3第一個(gè)子序列RiceCover1 (s)表明當(dāng)天第一個(gè)時(shí)間點(diǎn)的圖像進(jìn)入抽穗期。進(jìn)一步地，若同天內(nèi)有超過(guò)w/2的子序列檢測(cè)到水稻進(jìn)入抽穗期，則綜合判定此天發(fā)生水稻進(jìn)入抽穗期，否則未進(jìn)入抽穗期。利用上述準(zhǔn)則檢測(cè)水稻進(jìn)入抽穗期，直至檢測(cè)到水稻已進(jìn)入抽穗期，根據(jù)實(shí)驗(yàn)結(jié)果，rate的 范圍可以定為[I, 2],這里優(yōu)選rate = I. 5,判斷部分具體流程如圖3所示，綜上，水稻抽穗期自動(dòng)檢測(cè)的算法整體流程如圖4所示。本實(shí)施例檢測(cè)階段(3)中利用Iogicali的和為Sumlogicali來(lái)檢測(cè)MedianRiceCover1(I)曲線(xiàn)的上升趨勢(shì)，這是實(shí)驗(yàn)后的判別式。在應(yīng)用中，不局限上述方法，只要檢測(cè)到此曲線(xiàn)的起始上升點(diǎn)即可。
權(quán)利要求
1.一種水稻抽穗期的自動(dòng)檢測(cè)方法，首先根據(jù)水稻歷史圖像序列離線(xiàn)訓(xùn)練得到稻穗像素點(diǎn)的水稻稻穗顏色信息表，水稻稻穗顏色信息表包含信息有稻穗像素點(diǎn)在每一亮度i =1，…，255下對(duì)應(yīng)的a顏色值和b顏色值的分布情況，然后在線(xiàn)實(shí)時(shí)獲取水稻圖像，并按照如下方式判斷水稻是否進(jìn)入水稻抽穗期 (1)將獲取的當(dāng)前水稻圖像轉(zhuǎn)化到L-a-b顏色空間，將圖像中各像素點(diǎn)的L-a-b顏色空間色彩分量與所述水稻稻穗顏色信息表進(jìn)行比對(duì)，確定滿(mǎn)足顏色值分布情況的色彩分量對(duì)應(yīng)的像素點(diǎn)為稻穗像素點(diǎn)，進(jìn)而得到由稻穗像素點(diǎn)構(gòu)成的稻穗?yún)^(qū)域； (2)計(jì)算稻穗?yún)^(qū)域的像素?cái)?shù)占水稻圖像的像素總數(shù)的比例得到稻穗蓋度； (3)對(duì)計(jì)算得到的稻穗蓋度進(jìn)行中值濾波處理； (4)將中值濾波處理后的稻穗蓋度與此前計(jì)算得到的水稻圖像的稻穗蓋度進(jìn)行比較，若稻穗蓋度明顯增大，則表明當(dāng)前水稻圖像中的水稻進(jìn)入抽穗期。
2.根據(jù)權(quán)利要求I所述的水稻抽穗期的自動(dòng)檢測(cè)方法，其特征在于，所述根據(jù)水稻穗像歷史圖像序列離線(xiàn)訓(xùn)練得到稻穗像素點(diǎn)的水稻稻穗顏色信息表的具體實(shí)現(xiàn)方式為 (01)根據(jù)水稻穗像歷史圖像序列生成稻穗樣本圖像集； (02)獲取稻穗樣本圖像集中所有圖像的稻穗像素點(diǎn)在L-a-b顏色空間的色彩分量(L，a，b)，其中L表示亮度，a表示紅或綠的對(duì)應(yīng)值，b表示黃或藍(lán)的對(duì)應(yīng)值，其中L，a，b為8位無(wú)符號(hào)整形； (03)分別統(tǒng)計(jì)在每一亮度i= 1，…，255下的(a，b)顏色值相同的稻穗像素點(diǎn)個(gè)數(shù)； (04)分別在每一亮度i= 1，…，255下，按照(a，b)顏色值相同的稻穗像素點(diǎn)個(gè)數(shù)越多，則稻穗像素點(diǎn)在亮度i下表現(xiàn)為(a，b)顏色值的可能性越大的原則選取亮度i下的稻穗(a, b)顏色的標(biāo)定值； (05)定義三維ColorMap全零矩陣,第一維表示a顏色值,第二維表示b顏色值,第三維表示L亮度，令步驟(04)確定的每一亮度i下的稻穗(a，b)顏色的標(biāo)定值表示為(s，t，i)，將ColorMap全零矩陣中的(s，t，i)元素值ColorMap (s，t，i)賦值為I，從而得到每一亮度i下表征稻穗顏色的二值圖像； (06)對(duì)ColorMap中每一亮度i下的稻穗顏色的二值圖像依次進(jìn)行膨脹和腐蝕，得到水稻稻穗顏色信息表。
3.根據(jù)權(quán)利要求2所述的水稻抽穗期的自動(dòng)檢測(cè)方法，其特征在于，所述膨脹和腐蝕的具體實(shí)現(xiàn)方式為采用結(jié)構(gòu)元素大小為5的圓形結(jié)構(gòu)元素對(duì)ColorMap中每一亮度i下的稻穗顏色的二值圖像進(jìn)行膨脹，再采用結(jié)構(gòu)元素大小為3的圓形結(jié)構(gòu)元素對(duì)ColorMap中每亮度i下的稻穗顏色的二值圖像進(jìn)行腐蝕。
4.根據(jù)權(quán)利要求I所述的水稻抽穗期的自動(dòng)檢測(cè)方法，其特征在于，所述步驟(4)將中值濾波處理后的稻穗蓋度與此前計(jì)算得到的水稻圖像的稻穗蓋度的比值大于I. 5，則稻穗蓋度明顯增大。
5.根據(jù)權(quán)利要求I所述的水稻抽穗期的自動(dòng)檢測(cè)方法，其特征在于，所述步驟(I)還對(duì)得到的稻穗?yún)^(qū)域作去噪處理。
全文摘要
本發(fā)明提供一種水稻抽穗期的自動(dòng)檢測(cè)方法，以稻田中采集到的實(shí)時(shí)前下視圖像為對(duì)象，以表征水稻稻穗的顏色特征作為分割依據(jù)，實(shí)時(shí)地對(duì)水稻稻穗進(jìn)行分割，進(jìn)而對(duì)分割得到的稻穗?yún)^(qū)域進(jìn)行稻穗蓋度計(jì)算，將計(jì)算得到稻穗蓋度與之前圖像的稻穗蓋度進(jìn)行比對(duì)，若稻穗蓋度明顯增大，則表明當(dāng)前水稻圖像中的水稻進(jìn)入抽穗期。本發(fā)明以表征水稻生長(zhǎng)狀況的重要參數(shù)作為判斷依據(jù)，實(shí)時(shí)地對(duì)水稻生長(zhǎng)圖像進(jìn)行計(jì)算，檢測(cè)結(jié)果準(zhǔn)確率高，對(duì)抽穗期相關(guān)的農(nóng)事活動(dòng)具有重要的指導(dǎo)意義。
文檔編號(hào)G01N21/25GK102621075SQ20121006167
公開(kāi)日2012年8月1日 申請(qǐng)日期2012年3月9日 優(yōu)先權(quán)日2012年3月9日
發(fā)明者余正泓, 吳茜, 張雪芬, 曹治國(guó), 李翠娜, 王玉, 白曉東, 薛紅喜, 鄢睿丞 申請(qǐng)人:華中科技大學(xué)