亚星游戏官网-www.yaxin868.com

专利名称：一种水稻移栽分蘖的自动检测方法
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，具体涉及一种水稻移栽分蘖的自动检测方法，即以拍摄的田间水稻图像序列为对象，从图像特征上检测水稻是否移栽与是否发生分蘖的方法。
背景技术：
水稻是我国主要的粮食作物之一，在我国南方种植广泛。水稻的整个发育期、产量和质量容易受到气候变化的影响。一直以来，对于水稻各发育期的观测主要是通过人工观测的方式，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，利用人力进行观测也不够经济且存在着一定的主观性。因此，通过每天所拍摄的稻田图像，借助图像处理的手段，对其发育期进行观测就显得十分必要。水稻分蘖是水稻生长的一个重要环节，有效而准确的识别这一时期，是农业气象观测的一个重要内容。2007年刘继承在硕士论文“基于数字图像处理技术的水稻长势监测研究”中仅仅用单株水稻图像实现对水稻的多种形态特征参数进行了提取，利用叶面指数来描述水稻群体的长势变化；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。2008年孙华生在博士学位论文“利用多时相MODIS数据提取中国水稻种植面积和长势信息”和2009年在《遥感学报》 上发表的论文“利用MODIS数据识别水稻关键生长发育期”中研究利用E0S-M0DIS数据空间中覆盖中国范围的数据，对全国范围水稻种植面积和生长信息进行提取，同时利用时间序列对水稻的主要生长期进行了识别，生长期识别误差的时间在士 16天左右；以上方法中田翠玲和孙华生是利用遥感数据对水稻的种植区域进行确定，利用时间序列中水稻的叶面积指数，对主要生长期进行识别并估产，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，使得水稻生长期的识别误差较大，在士 16天左右。刘继承的硕士学位论文“基于数字图像处理技术的水稻长势监测研究”中仅用单株水稻来描述水稻群体的生长变化显然不可行，而用图像灰度分割后的叶面积指数单一特征来描述水稻群体的生长变化，难免会给算法的鲁棒性带来影响导致识别准确性降低。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移栽分蘖日期进行较准确的检测，以便及时指导施肥和防虫害等农事活动，而且稻田中水稻受浮萍等影响背景复杂，光照变化剧烈，上述利用遥感图像或仅用单一特征的方法都不可行。

发明内容
本发明目的在于提供一种水稻移栽分蘖的自动检测方法，能够精确地检测出水稻移栽与分蘖的时间。一种水稻移栽分蘖的自动检测方法，具体为(1)在各检测时段内拍摄的水稻序列图像中分别提取水稻叶面区域；
(2)在提取后的水稻序列图像中检测水稻叶面特征值；(3)若第i-Ι与第i时段间出现水稻叶面特征值的正跳变，则表明第i时段出现水稻移栽；(4)若第i时段与第i+j时段间出现水稻叶面特征值的正跳变，则表明第i+j时段出现水稻分蘖。所述水稻叶面特征值包括水稻叶面像素数目、水稻叶面区域二值图像骨架三叉点数目和水稻叶面区域灰度图像哈里斯特征点数目中的一个或组合。所述步骤(1)利用历史统计的水稻叶面Y-H颜色特征统计表进行水稻叶面区域提取，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。所述步骤(3)中，若第i时段与第i_l时段的水稻叶面特征值比值大于等于3 1， 则表明第i时段出现水稻移栽。所述步骤(4)中，若第i+j时段与第i时段的水稻叶面特征值比值大于等于 1.5 1，则表明第i+j时段出现水稻分蘖。所述步骤(1)按照如下方式进行水稻叶面区域提取(11)获取待分割图像Dt中第i行，第j列的像素点对应在Y-Cb-Cr颜色空间的亮度分量Yt (i，j)和在H-S-V颜色空间的色调分量Ht (i，j)，Y表示Y-Cb-Cr颜色空间定义亮度，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H-S-V 颜色空间定义亮度；(12)若 deltaHt(i，j) ( 1· 9 X StandardHt (Yt (i，j))，记(i，j)为粗选水稻叶面像素点，其中，CleltaHt (i，j) = Ht (i, j) -meanHt (Yt (i, j)) |, meanHt (Yt (i, j))为在历史统计的水稻叶面Y-H颜色特征统计表中Yt (i，j)对应的色调均值，standards (Yt (i，j))为在历史统计的水稻叶面Y-H颜色特征统计表中Yt (i，j)对应的色调方差，fl表示取绝对值；(13)将待分割图像Dt转化到L-a-b颜色空间，将Dt中每个像素点在L_a_b空间下的a值和b值作为此点的颜色特征进行聚类，获得Dt的聚类标签CLabelt，L表示亮度对应值，a表示红或绿对应值，b表示黄或蓝对应值；(14)将聚类标签CLabelt中每一类颜色的对应像素点分别与步骤(12)得到的粗选水稻叶面像素点进行比较，找出具有相同的像素点，若相同像素点的数目占该类颜色对应像素点数目的一半以上，则确定该类颜色的所有像素点为水稻叶面区域组成部分；(15)步骤(14)确定的各水稻叶面区域组成部分组合为最终水稻叶面区域。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特征提取，并利用提取到的图像特征，判定该块稻田中的水稻是否移栽，进而判断是否进入分蘖期。该方法以表征水稻生长情况的重要参数作为判断依据，实时地对水稻生长期进行判断，检测结果准确率高，对水稻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；图2是水稻叶面彩色图像分割的流程图；图3是检测水稻是否移栽的流程图4是检测水稻是否进入分蘖期的流程图；图5是训练图像集中随机挑选的一张；图6是图4中的图像人工阈值分割的结果；图7是待检测序列中随机挑选的一张图像；图8是图6中图像的最终分割结果；图9是图6中图像分割结果的二值图像骨架；图10是本发明整体流程图。
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，图10是本发明整体流程图，本发明实施例以每一天为一检测时段，每一检测时段内拍摄w张水稻图像(w =幻。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，在历史图像数据中，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参数进行阈值分割，将水稻叶面区域保留，其它区域置为白色，得到水稻叶面的样本图像。(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 = 1. . . 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Ym(i，j)、Cbm(i，j)、Crm(i，j)和在H_S_V颜色空间的色彩分量Hm(i，j)>Sffl(i, j)、Vm(i，j)，依次从每张样本图像的每个像素点查找，记num= 1，若 Hm(i，j)兴0或(i，j)兴0或Vm (i，j)兴1，则获取水稻叶面像素点特征为[Ynum，Hnum]，且令num = num+l。依次查找直到终止，将最后的num记为TotalNum。于是上述过程得到一个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fKOTNumX2，再定义全零矩阵ζ2—。依次从土 =1,2,…，256，在严—X2(也即 U0J 中查找 Y = i_l 的所有 Hm，m= 1，2，... Ni,其中Ni表示fK N X2中Y = i-1的像素数目，最后令Z256X—的第i行元素从左端开始按顺序定义为Hm，m= 1,2,…Ni,若Ni < RowNum，不足的位置仍取0。在像素点亮度为Y = y，y = 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
1.一种水稻移栽分蘖的自动检测方法，具体为(1)在各检测时段内拍摄的水稻序列图像中分别提取水稻叶面区域；(2)在提取后的水稻序列图像中检测水稻叶面特征值；(3)若第i-Ι与第i时段间出现水稻叶面特征值的正跳变，则表明第i时段出现水稻移栽；(4)若第i时段与第i+j时段间出现水稻叶面特征值的正跳变，则表明第i+j时段出现水稻分蘖。
2.根据权利要求1所述的水稻移栽分蘖的自动检测方法，其特征在于，所述水稻叶面特征值包括水稻叶面像素数目、水稻叶面区域二值图像骨架三叉点数目和水稻叶面区域灰度图像哈里斯特征点数目中的一个或组合。
3.根据权利要求1所述的水稻移栽分蘖的自动检测方法，其特征在于，所述步骤(1)利用历史统计的水稻叶面Y-H颜色特征统计表进行水稻叶面区域提取，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。
4.根据权利要求1所述的水稻移栽分蘖的自动检测方法，其特征在于，所述步骤(3) 中，若第i时段与第i-Ι时段的水稻叶面特征值比值大于等于3 1，则表明第i时段出现水稻移栽。
5.根据权利要求1所述的水稻移栽分蘖的自动检测方法，其特征在于，所述步骤(4) 中，若第i+j时段与第i时段的水稻叶面特征值比值大于等于1.5 1，则表明第i+j时段出现水稻分蘖。
6.根据权利要求3所述的水稻移栽分蘖的自动检测方法，其特征在于，所述步骤(1)按照如下方式进行水稻叶面区域提取(11)获取待分割图像Dt中第i行，第j列的像素点对应在Y-Cb-Cr颜色空间的亮度分量Yt(i，j)和在H-S-V颜色空间的色调分量Ht (i，j)，Y表示Y-Cb-Cr颜色空间定义亮度， 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H-S-V颜色空间定义亮度；(12)若deltaHt(i，j) ( 1. 9X standard^ (Yt (i, j))，记(i，j)为粗选水稻叶面像素点，其中，CleltaHt (i，j) = Ht(i, j)-meanHt (Yt (i, j)) |，HieanHt (Yt (i，j))为在历史统计的水稻叶面Y-H颜色特征统计表中Yt (i，j)对应的色调均值，standards (Yt (i，j))为在历史统计的水稻叶面Y-H颜色特征统计表中Yt (i，j)对应的色调方差，fl表示取绝对值；(13)将待分割图像Dt转化到L-a-b颜色空间，将Dt中每个像素点在L_a_b空间下的a 值和b值作为此点的颜色特征进行聚类，获得Dt的聚类标签CLabelt, L表示亮度对应值，a 表示红或绿对应值，b表示黄或蓝对应值；(14)将聚类标签CLabelt中每一类颜色的对应像素点分别与步骤(1 得到的粗选水稻叶面像素点进行比较，找出具有相同的像素点，若相同像素点的数目占该类颜色对应像素点数目的一半以上，则确定该类颜色的所有像素点为水稻叶面区域组成部分；(15)步骤(14)确定的各水稻叶面区域组成部分组合为最终水稻叶面区域。
全文摘要
本发明提供---一种水稻移栽分蘖的自动检测方法，以在稻田中采集到的实时前下视图像为对象，利用水稻叶面特征值自动地检测田间的水稻是否移栽，进而判断是否分蘖。该方法以表征水稻生长情况的重要参数作为判断依据，实时地对水稻生长期进行判断，检测结果准确率高，对水稻的农事活动具有重要的指导意义。
文档编号G01C11/06GK102278979SQ20111011032
公开日2011年12月14日 申请日期2011年4月28日 优先权日2011年4月28日
发明者余正泓, 张雪芬, 曹治国, 朱磊, 李翠娜, 白晓东, 薛红喜, 鄢睿丞 申请人:华中科技大学