一種溫室蔬菜病害監(jiān)控視頻關(guān)鍵幀提取方法即提取系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種溫室蔬菜病害監(jiān)控視頻關(guān)鍵幀提取方法及提取系統(tǒng)，該發(fā)明將視覺顯著性與在線聚類算法相結(jié)合，首先利用X2直方圖法進(jìn)行幀間差異度量，剔除具有相似特征的視頻幀圖像對算法計算量的影響；其次將視頻幀圖像轉(zhuǎn)到HSV顏色空間，結(jié)合溫室蔬菜監(jiān)控視頻的特點，利用H、S通道計算視覺顯著圖，提取視頻幀圖像中的顯著性區(qū)域，然后利用形態(tài)學(xué)方法對顯著性區(qū)域中可能丟失的病斑信息進(jìn)行修復(fù)；最終利用在線聚類算法和像素幀平均算法實現(xiàn)關(guān)鍵幀提取。該方法可以有效的獲取溫室蔬菜監(jiān)控視頻中病害的信息，為溫室蔬菜病害的準(zhǔn)確識別奠定堅實的基礎(chǔ)。該發(fā)明得與圖像處理、模式識別等技術(shù)結(jié)合的基礎(chǔ)上，會在設(shè)施蔬菜病害識別方面有很大的貢獻(xiàn)。
【專利說明】一種溫室蔬菜病害監(jiān)控視頻關(guān)鍵幀提取方法即提取系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及視頻分析與圖像處理【技術(shù)領(lǐng)域】，更具體涉及一種溫室蔬菜病害監(jiān)控視頻關(guān)鍵巾貞提取方法及提取系統(tǒng)。
【背景技術(shù)】
[0002]病害是制約我國溫室蔬菜生產(chǎn)可持續(xù)發(fā)展的重要因素，作物病害現(xiàn)象造成溫室蔬菜的品質(zhì)下降，影響其質(zhì)量和經(jīng)濟(jì)效益，造成難以估量的損失。因此，有效防治病害是確保蔬菜生產(chǎn)安全、提高蔬菜產(chǎn)量和質(zhì)量的根本保證，病害防治的關(guān)鍵是能夠準(zhǔn)確地識別病害。
[0003]隨著視頻監(jiān)控技術(shù)的發(fā)展，越來越多的設(shè)施農(nóng)業(yè)現(xiàn)場都已經(jīng)配備了視頻監(jiān)控攝像頭，幫助農(nóng)民實施掌握設(shè)施農(nóng)業(yè)現(xiàn)場的狀況以及農(nóng)作物的生長情況。這些海量監(jiān)控視頻信息記錄了設(shè)施蔬菜病害的特征信息，具有重要的價值，應(yīng)用提取溫室蔬菜監(jiān)控視頻關(guān)鍵幀的方法來呈現(xiàn)溫室蔬菜監(jiān)控視頻中的病害信息，有助于病害的準(zhǔn)確識別和防治，不但可以節(jié)約人力、物力，而且有效降低病害對設(shè)施農(nóng)業(yè)造成的損失，具有重要的意義。
[0004]近年來，關(guān)于視頻關(guān)鍵幀提取的研究有很多，常用方法有以下幾種:
[0005](I)基于鏡頭邊界的關(guān)鍵幀提取方法，其主要原理是將每個鏡頭的第一幀、最后一幀或者視頻中間位置的任意一幀作為關(guān)鍵幀。
[0006](2)基于幀圖像信息的關(guān)鍵幀提取算法，其主要思想是選擇視頻鏡頭的第一幀為關(guān)鍵幀，依次計算后續(xù)每一幀與第一幀的距離，當(dāng)距離大于一個設(shè)定的閾值時，取該幀為新的關(guān)鍵幀，重復(fù)計算后續(xù)幀與該關(guān)鍵幀的距離直到視頻鏡頭的最后一幀。
[0007](3)基于運(yùn)動檢測的關(guān)鍵幀提取算法，其主要思想是通過提取運(yùn)動特征，在運(yùn)動特征值取局部最小值時，提取關(guān)鍵幀。
[0008](4)基于聚類的關(guān)鍵幀提取算法?；诰垲惖年P(guān)鍵幀提取算法的基本思想是:首先根據(jù)視頻幀圖像中的某一特征信息確定初始聚類中心，然后計算每一幀與聚類中心的距離，若距離小于預(yù)先設(shè)定的閾值T，則將該幀歸為這一類，若距離大于預(yù)先設(shè)定的閾值T，則確定該巾貞為新的聚類中心。
[0009]通過分析發(fā)現(xiàn)，溫室蔬菜監(jiān)控視頻具有以下特點:監(jiān)控畫面以亮度變化為主；監(jiān)控攝像頭的運(yùn)動特征為慢速運(yùn)動與靜止結(jié)合，鏡頭內(nèi)容不存在快速變化，鏡頭內(nèi)不存在局部運(yùn)動；視頻對象單一，主體只有農(nóng)作物。如何將視頻關(guān)鍵幀提取的方法與溫室蔬菜監(jiān)控視頻的特點結(jié)合，面向溫室蔬菜病害識別的需求，提出相應(yīng)的關(guān)鍵幀提取算法是亟待解決的問題。

【發(fā)明內(nèi)容】

[0010](一)要解決的技術(shù)問題
[0011]本發(fā)明要解決的技術(shù)問題是如何實現(xiàn)從溫室蔬菜監(jiān)控視頻中獲取包含病害信息的關(guān)鍵幀圖像。
[0012](二)技術(shù)方案[0013]為了解決上述技術(shù)問題，本發(fā)明提供了一種溫室蔬菜病害監(jiān)控視頻關(guān)鍵幀提取方法，所述方法包括以下步驟:
[0014]S1、將監(jiān)控視頻解析為幀序列，并對每一幀進(jìn)行增強(qiáng)處理；
[0015]S2、識別攝像頭的運(yùn)動狀態(tài)；
[0016]S3、將步驟SI所述的幀序列中每一幀圖像從RGB顏色空間轉(zhuǎn)為HSV顏色空間；
[0017]S4、計算步驟S3得到的HSV幀圖像的視覺顯著圖，并提取顯著性區(qū)域；
[0018]S5、將步驟S4得到的所述顯著性區(qū)域進(jìn)行在線聚類；
[0019]S6、根據(jù)步驟S5的聚類結(jié)果，選擇每一類中的關(guān)鍵幀。
[0020]優(yōu)選地，所述步驟S2中，采用X2直方圖法計算每一幀圖像與第一幀圖像的相似度，識別攝像頭運(yùn)動狀態(tài)。
[0021]優(yōu)選地，所述步驟S4中計算步驟S3得到的HSV幀圖像的視覺顯著圖的具體方法為:
[0022]S401、結(jié)合溫室蔬菜監(jiān)控視頻的特點，利用兩個參數(shù)a和b修正IG算法，修正后的模型為公式(9)
[0023]S (X, y) = a* I I Is-1s (x, y) | | +b* | | Ih-1h (x, y) | | (9)
[0024]其中，IH、Is分別表示步驟S3得到的HSV圖像模型的H通道的平均值和S通道平均值，Ih U，y)>ls U，y)表示所述H通道經(jīng)過高斯濾波后的對應(yīng)值和所述S通道經(jīng)過高斯濾波后的對應(yīng)值，1111為歐氏距離，a的值小于零，b的值小于或等于I ;
[0025]S402、利用HSV幀圖像的顯著性區(qū)域與背景之間的顯著性比率來確定參數(shù)a和b的數(shù)值，計算公式為公式(10)，然后利用公式(9)計算步驟S3得到的HSV幀圖像的視覺顯著圖；
【權(quán)利要求】
1.一種溫室蔬菜病害監(jiān)控視頻關(guān)鍵幀提取方法，其特征在于，所述方法包括以下步驟: S1、將監(jiān)控視頻解析為幀序列，并對每一幀進(jìn)行增強(qiáng)處理； S2、識別攝像頭的運(yùn)動狀態(tài)； S3、將步驟SI所述的幀序列中每一幀圖像從RGB顏色空間轉(zhuǎn)為HSV顏色空間； S4、計算步驟S3得到的HSV幀圖像的視覺顯著圖，并提取顯著性區(qū)域； S5、將步驟S4得到的所述顯著性區(qū)域進(jìn)行在線聚類； S6、根據(jù)步驟S5的聚類結(jié)果，選擇每一類中的關(guān)鍵幀。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S2中，采用X2直方圖法計算每一幀圖像與第一幀圖像的相似度，識別攝像頭運(yùn)動狀態(tài)。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S4中計算步驟S3得到的HSV幀圖像的視覺顯著圖的具體方法為: 5S401、結(jié)合溫室蔬菜監(jiān)控視頻的特點，利用兩個參數(shù)a和b修正IG算法，修正后的模型為公式(9)
S (X, y) = a* I I Is-1s (x, y) I +b* | | Ih-1h (x, y) | (9) 其中，IH、IS分別表示步驟S3得到的HSV圖像模型的H通道的平均值和S通道平均值，Ih (x, y)> Is(x, y)表示所述H通道經(jīng)過高斯濾波后的對應(yīng)值和所述s通道經(jīng)過高斯濾波后的對應(yīng)值，1111為歐氏距離，a的值小于零，b的值小于或等于I ; S402、利用HSV幀圖像的顯著性區(qū)域與背景之間的顯著性比率來確定參數(shù)a和b的數(shù)值，計算公式為公式(10)，然后利用公式(9)計算步驟S3得到的HSV幀圖像的視覺顯著圖；
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S5中，采用H分量直方圖信息作為描述特征，對所述步驟S4計算出的顯著性區(qū)域進(jìn)行在線聚類，實現(xiàn)顯著性區(qū)域的分類。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S6中，采用像素幀平均的方法，選擇每一類中的關(guān)鍵幀。
6.一種溫室蔬菜病害監(jiān)控視頻關(guān)鍵幀提取系統(tǒng)，其特征在于，所述系統(tǒng)包括: 視頻解析模塊，對輸入的視頻數(shù)據(jù)進(jìn)行解析，將其分解為幀序列，并對每一幀圖像進(jìn)行小波增強(qiáng)處理；攝像頭運(yùn)動狀態(tài)識別模塊，將幀序列的每一幀與第一幀圖像做相似性計算，識別攝像頭的運(yùn)動狀態(tài)，剔除攝像頭處于靜止?fàn)顟B(tài)時獲取的多余幀圖像； 顯著圖計算模塊，利用HSV幀圖像的顯著性區(qū)域與背景之間的顯著性比率來確定參數(shù)的數(shù)值，從而利用修正的IG顯著性計算模型，計算HSV幀圖像的視覺顯著圖； 顯著性區(qū)域提取模塊，在HSV幀圖像的視覺顯著圖的基礎(chǔ)上，利用自適應(yīng)閾值提取初始顯著性區(qū)域，利用組和形態(tài)學(xué)運(yùn)算，修復(fù)初始顯著性區(qū)域中丟失的病斑信息，形成完整的顯著性區(qū)域； 在線聚類模塊，對完整的顯著性區(qū)域進(jìn)行聚類運(yùn)算，輸出聚類的結(jié)果； 關(guān)鍵幀選擇模塊，采用像素幀平均算法，從每一類中選擇關(guān)鍵幀。
7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述顯著性區(qū)域提取模塊包括: 初始顯著性區(qū)域提取模塊，在計算出的HSV幀圖像的視覺顯著圖的基礎(chǔ)上選擇自適應(yīng)閾值，實現(xiàn)初步顯著性區(qū)域的提??； 病斑信息修復(fù)模塊，用組和形態(tài)學(xué)方法在步顯著性區(qū)域的基礎(chǔ)上進(jìn)行丟失病斑信息的恢復(fù)，實現(xiàn)完整顯著 性區(qū)域的提取。
【文檔編號】G06T7/20GK104021544SQ201410191244
【公開日】2014年9月3日 申請日期:2014年5月7日 優(yōu)先權(quán)日:2014年5月7日
【發(fā)明者】傅澤田, 馬浚誠, 張領(lǐng)先, 李鑫星, 溫皓杰, 陳英義, 李道亮 申請人:中國農(nóng)業(yè)大學(xué)