CN102663397A - 一种小麦出苗的自动检测方法 - Google Patents

Abstract

本发明提供一种小麦出苗的自动检测方法，具体为：对采用相机实时获取的小麦田间图像进行分割得到小麦图像；对小麦图像进行连通域识别，并标记连通域的质心；依据小麦图像判别小麦的播种方向，若为水平方向，则将小麦图像从纵向上分为多个子区域，若为垂直方向，则将小麦图像从横向上分为多个子区域；统计各子区域内的连通域质心个数，若连通域质心个数大于预定子区域出苗判别阈值，则确定其对应的子区域为出苗子区域，若出苗子区域个数大于图像出苗判别阈值，则表明所述小麦图像中的小麦进入出苗期。本发明实时地对小麦生长期进行判断，检测结果准确率高，对小麦的各种农事活动具有重要的指导意义。

Description

一种小麦出苗的自动检测方法

技术领域

本发明属于计算机视觉和农业气象观测交叉领域，具体涉及一种小麦出苗的自动检测方法，即以拍摄的田间小麦图像序列为对象，从图像特征上检测小麦是否出苗的方法。

背景技术

小麦是世界上总产量第二的粮食作物，在我国东北、华北、华东等地区大范围种植。小麦的整个发育期、产量和质量容易受到气候变化的影响。一直以来，对于小麦各发育期的观测主要是通过人工观测的方式，受观察员主观因素的影响很大；同时由于小麦的种植地域广、生长周期长，利用人工进行观测也不够经济，没有办法保证精确度。因此，通过每天几个时段所拍摄的小麦图像，借助图像处理、信息汇总能手段，对其发育期进行观测就显得十分必要。小麦的出苗期是小麦生长的第一个阶段，此阶段是小麦生长的重要时期，该时期的检测是农业气象观测的一个重要内容，有效而准确的识别这一时期并应用于作物生长模型，可以提高作物产量预测的准确性。

基于图像的小麦出苗期自动检测技术目前尚未见公开报道。现有的文献都是围绕遥感图像开展小麦长势及估产的研究。如：2009年杨玉永在硕士论文“山东省小麦封垄前旱情遥感监测业务化运行模型研究”中将热惯量模型与MODIS数据源相结合构建了小麦封垄前旱情遥感监测模型，根据小麦生育期不同阶段需水量的差异，提出了针对小麦长势的旱情评价指标，根据监测结果可以对山东省小麦旱情进行跟踪；2009年李卫国、李正金、申双和在《江苏农业科学》上发表的“小麦遥感估产研究现状及趋势分析”中就小麦遥感估产精度的提高、遥感和模型结合的估产研究与应用、极端气候条件下的遥感估产以及遥感估产技术的信息集成化做了阐述；2010年李卫国、李花等在《麦类作物学报》上发表的“基于Landsat/TM遥感的冬小麦长势分级监测研究”文章中利用遥感技术为冬小麦长势分级监测预报中的应用提供了依据，提取冬小麦的种植面积并分析了长势情况。以上对小麦产量、生长状况的监测都是利用遥感数据确定的，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，每天在固定区域也仅有单张图像可以使用，有较大的局限性。可见，基于遥感图像的检测方式不是小麦出苗期自动检测的一种较好选择，目前函需一种准确率高、实用性强和操作方便的方式来代替出苗期人工检测方式，以获取小麦出苗的准确时间，便于及时指导农事活动。

发明内容

本发明目的在于提供一种小麦出苗的自动检测方法，以相机在小麦田间采集的图像为处理对象，实时的对小麦出苗期进行判断，检测结果准确率高，实用性强。

一种小麦出苗的自动检测方法，包括以下步骤：

对采用相机实时获取的小麦田间图像进行分割得到小麦图像；

对所述小麦图像进行连通域识别，并标记连通域的质心；

依据小麦图像判别小麦的播种方向；

若所述小麦的播种方向为水平方向，则将小麦图像从纵向上分为多个子区域，若所述小麦的播种方向为垂直方向，则将小麦图像从横向上分为多个子区域；

统计各子区域内的连通域质心个数，若连通域质心个数大于预定子区域出苗判别阈值，则确定其对应的子区域为出苗子区域，若出苗子区域个数大于图像出苗判别阈值，则表明所述小麦图像中的小麦进入出苗期。

进一步地，所述对实时获取的田间小麦图像进行分割得到小麦图像的具体实现方式为：对所述田间小麦图像进行图像增强以突出小麦的绿色部分；针对田间小麦图像的各个像素点，若像素点的主导颜色分量为绿色分量，则判别该像素点为小麦，从而得到小麦图像。

进一步地，按如下方式判定像素点的主导颜色分量是否为绿色分量：对于像素点(i，j)，若均满足其绿色分量与红色分量的比值Ratio_1(i，j)＞＝1.3，以及其绿色分量与蓝色分量的比值Ratio_2(i，j)＞＝3.5，则判定该像素点(i，j)的主导颜色分量为绿色分量。

进一步地，所述依据小麦图像判别小麦的播种方向的具体实现方式为：检测并标记小麦图像中的直线；比较各直线两端点的横坐标差值的绝对值与纵坐标差值的绝对值的大小，若横坐标差值的绝对值大于纵坐标差值的绝对值，则记该直线为水平量直线，否则记该直线为垂直量直线；若水平量直线的数量大于垂直量直线的数量，则判定小麦的播种方向为水平方向，否则，判定小麦的播种方向为垂直方向。

进一步地，若所述小麦的播种方向为垂直方向，则对小麦图像进行局部或者整体角度旋转调整直到能获取最多的出苗子区域。

进一步地，若一天内的田间小麦图像序列中有一半以上的图像表明小麦进入出苗期，则判定此天为小麦出苗期。

进一步地，还对所述小麦图像做去噪处理。

本发明的技术效果体现在：本发明自动对所采集的实时下视田间小麦图像进行特征提取，并利用提取到的图像特征，判定该块麦田中的小麦是否出苗。该方法以表征小麦生长情况的重要参数判断依据，实时的对小麦出苗期进行判断，检测结果准确率高，对小麦的农事活动具有重要的指导意义。

附图说明

图1是分割阶段的流程图；

图2是优化分割结果的流程图；

图3是检测小麦是否出苗的流程图；

图4是随机从小麦图像中选取的一张；

图5是图4分割后的结果图像；

图6是图5优化后的结果图像；

图7是图6检测连通域质心的结果图像；

图8是检测小麦播种方向的结果；

图9是一张小麦为水平播种的最终检测图像；

图10是图8画线标记检测小麦是否出苗的图像；

图11是本发明方法整体流程图。

具体实施方式

下面结合附图来详细说明本发明的较佳实施例，本发明实施例以每一张小麦图像为一检测对象，每一天有w张小麦图像(w＝8)。整个方法参见图11，分为分割阶段、优化阶段、检测阶段。

1.分割阶段：

随机选取一张小麦田间图像，如图4所示，利用彩色小麦图像的RGB颜色空间特性进行自适应的图像分割，流程如图1所示，具体操作步骤如下：

(1)为了改善图像的对比度，首先需要对图像进行增强。由于地表物质对色彩的敏感，因此使用去相关增强是一种合适的方法(TriptySingh，M.Nagraja，DR.Swarnalata Rao，”Enhancing Image Contrast OfMammogram & Equalization Of Histograms”，International Journal ofEngineering Science and Technology，Vol.3，No.1，Jan 2011，563-570)。增强后的图像突出小麦的绿色部分，由于各像素点颜色光谱之间的差异被放大，对比度随即增强，并且图像的色彩信息更加丰富，有利于之后对小麦的分割。

(2)对所述田间小麦图像进行图像增强以突出小麦的绿色部分；针对小麦田间图像的各个像素点，若像素点的主导颜色分量为绿色分量，则判别该像素点为小麦，从而得到小麦图像。具体处理过程如下：

假设所选取的图像为S，大小为M×N，提取图像S的第i＝1，2，...，M.行与第.j＝1，2，...，N列的RGB三个通道的值为R(i，j)、G(i，j)、B(i，j)，对图像S中的每个像素点用G(i，j)与R(i，j)、B(i，j)分别做比值。

令 $\left\{\begin{array}{c}\mathrm{Ratio}\_1(i,j)=G(i,j)/R(i,j)\\ \mathrm{Ratio}\_2(i,j)=G(i,j)/B(i,j)\end{array}\right.$

图像中的每个(i，j)像素点产生两个数值为Ratio_1(i，j)和Ratio_2(i，j)，建立两个M×N大小的逻辑矩阵，对图像进行阈值分割。第一个逻辑矩阵logical_1定义为：若像素点(i，j)的Ratio_1(i，j)＞＝1.3，则在logical_1定为1，否则为0。第二个逻辑矩阵logical_2定义为：若像素点(i，j)的Ratio 2(i，j)＞＝3.5，则在logical_2中定为1，否则为0。这样会产生两个逻辑矩阵。再建立一个逻辑矩阵Logical_3，将上述的两个逻辑矩阵合并处理，即若像素点(i，j)在logical_1与logical_2所对应的值都为1，则其在Logical_3中的值为1，否则为0。

将图像中的每一个像素点的RGB三个通道R(i，j)、G(i，j)、B(i，j)与Logical_3相乘，即可将图像中的小麦区域从图像中分割出来，得到预分割结果，结果如图5所示。

本实施例分割阶段是利用RGB颜色特征进行小麦叶面区域提取，这是优选方式，但不局限该方式，还可以选择聚类分割方法、图割、分水岭和区域生长等。

2.优化阶段：

对分割阶段得到的预分割结果做去噪声处理，利用阈值分割去除噪声像素点，如：由于光照引起的小麦阴影区域。再进行连通域去小面积，将结果中的极小连通域去掉。流程如图2所示，具体操作步骤如下：

(1)建立逻辑矩阵Logical_4，对于每个像素点(i，j)的红色通道R(i，j)进行阈值选择，若R(i，j)＜＝200，则在Logical_4中定为1，否则为0。

将图像中的每一个像素点的RGB三个通道R(i，j)、G(i，j)、B(i，j)与Logical_4相乘，即可去除小麦阴影等区域，得到图像的结果记为IM_s。

(2)连通域标记和去噪，利用标记算法，将彩色图像IM_s转化为二值图像BW_s进行8邻域连通域标记，第k个连通域记为BW_s(k)，连通域的面积即像素个数记为num_s(k)，根据如下的公式：

去除较小的连通域以降低小杂质点的干扰。根据一定面积阈值threshold_1的需要进行选择，一般为[3，8]，推荐可取threshold_1为5。操作完成后得到最后的BM_s。查找BM_s中(i，j)位置为0的点，取图像S中此位置像素点为黑色，于是我们得到图像中小麦叶面的最后分割结果ImageResult，图像最终分割结果如图6所示。

3.检测阶段：

利用上面的小麦叶面分割结果，提取图像的三个特征：小麦连通域质心、小麦的种植方向、定区域大小连通域质心的数量，然后进行相机场景中小麦是否进入出苗期的自动判断。流程如图3所示，具体操作步骤如下：

(1)将图像分割的结果ImageResult变为二值图像Bwimage，从图像中找出连通域，并确定每个连通域的质心，将它们标记出来(J.T.Tou and R.C.Gonzalez，Pattern Recoginition Principles，Addison-Wesley Publishing Company，Inc.，Reading，Maddachusetts，1974)。结果如图7所示，灰色连通域中的黑色点即为连通域的质心。

(2)检测小麦的生长方向，根据农业气象观测规定，从图像的角度看小麦可能会有两个播种方向，即水平或垂直两种。利用霍夫(Hough)变换检测图像中的直线(Duda，R.O.and P.E.Hart，″Use of the Hough Transformation to Detect Lines and Curves inPictures，″Comm.ACM，Vol.15，pp.11-15 January，1972.)。在图像中检测出11条直线，结果如图8所示。

比较各直线两端点的横坐标差值的绝对值与纵坐标差值的绝对值的大小，若横坐标差值的绝对值大于纵坐标差值的绝对值，则记该直线为水平量直线，否则记该直线为垂直量直线。若水平量直线的数量大于垂直量直线的数量，则判定小麦的播种方向为水平方向，否则，判定小麦的播种方向为垂直方向。

具体处理过程如下：

假设直线l是图像S根据Hough变换检测出的，l的两端点为point1_l(x₁，y₁)和point2_l(x₂，y₂)，

令com＝|x₂-x₁|-|y₂-y₁|

统计11条直线的两个端点的com差值，定义如下公式：

其中hor与ver的初始值相同。若hor＞ver认为小麦为水平播种，反之认为小麦为垂直播种。

(3)根据上一阶段判断出的小麦播种方向，对水平播种或垂直播种做不同的处理。

若所述小麦的播种方向为水平方向，则将小麦图像从纵向上分为多个子区域，若所述小麦的播种方向为垂直方向，则将小麦图像从横向上分为多个子区域。统计各子区域内的连通域质心个数，若连通域质心个数大于预定子区域出苗判别阈值，则确定其对应的子区域为出苗子区域，若出苗子区域个数大于图像出苗判别阈值，则表明所述小麦图像中的小麦进入出苗期。

具体处理过程如下：

a)当小麦的播种方向为水平时

直接规定一个滑动模块，检测这一个滑块中连通域质心的数量，将滑块滑遍整个图像。即：rect＝mod(r，20)，用取余运算mod()控制滑块的大小，此时滑块的大小为(20行×全部列)，由上至下的滑过整张图像，判断每一块中的连通域质心的数量，规定阈值threshold_2＝5，若滑块内的质心数量大于threshold_2即认为这一区域内已经有小麦出苗了。结果如图9所示。

b)当小麦的播种方向为垂直方向

当图像为正下视角度图像，处理方式与步骤a)大致相同，区别在于滑块是由左至右的滑过整张图像。但由于数码相机拍摄角度问题，小麦图像大部分时候都不是正下视角度图像，其存在局部或整体小麦列倾斜，因此需要在识别过程中对小麦图像作局部或整体角度旋转调整直到能获取最多的出苗子区域。

例如图8所示的小麦图像，其右半部分出现明显的小麦列倾斜。此时将图像的左右部分分别进行处理，对左半部分图像进行直接处理，对右半部分的图像先进行旋转处理，旋转角度范围为[-20，0]，从-20度开始，检测哪一旋转角度检测出的出苗子区域最多，根据数量选择所要旋转的角度。最终选定调整角度为-13度，结果如图10所示。

将检测出是出苗的区域用线条显著的标明，若整张图像中所标记的线条linesCount大于等于所预定的一个阈值threshold_3，threshold_3一般为[5，15]，可取threshold_3＝8，则认为此张小麦图像出苗了。即：

linesCount＞threshold_3

(4)检测随机一天中的w张小麦图像，若通过上述方法检测出同一天内有w/2的序列图像检测到小麦出苗，综合判定此天小麦进入出苗期，否则未进入出苗期。利用上述准则检测图像序列是否进入出苗期，直到小麦进入出苗期，最后对检测到的图像进行输出。

本实施例提取了小麦的三个特征值，即小麦连通域质心、小麦的种植方向、定区域大小连通域质心的数量，在实际应用中，不局限上述三个特征值，可只选择其中的一个或两个或新增或替换特征值均可实现本发明。

Claims (7)

1.一种小麦出苗的自动检测方法，包括以下步骤：

对采用相机实时获取的小麦田间图像进行分割得到小麦图像；

对所述小麦图像进行连通域识别，并标记连通域的质心；

依据小麦图像判别小麦的播种方向；

若所述小麦的播种方向为水平方向，则将小麦图像从纵向上分为多个子区域，若所述小麦的播种方向为垂直方向，则将小麦图像从横向上分为多个子区域；

统计各子区域内的连通域质心个数，若连通域质心个数大于预定子区域出苗判别阈值，则确定其对应的子区域为出苗子区域，若出苗子区域个数大于图像出苗判别阈值，则表明所述小麦图像中的小麦进入出苗期。

2.根据权利要求1所述的小麦出苗的自动检测方法，其特征在于，所述对实时获取的田间小麦图像进行分割得到小麦图像的具体实现方式为：对所述田间小麦图像进行图像增强以突出小麦的绿色部分；针对田间小麦图像的各个像素点，若像素点的主导颜色分量为绿色分量，则判别该像素点为小麦，从而得到小麦图像。

3.根据权利要求2所述的小麦出苗的自动检测方法，其特征在于，按如下方式判定像素点的主导颜色分量是否为绿色分量：对于像素点(i，j)，若均满足其绿色分量与红色分量的比值Ratio_1(i，j)＞＝1.3，以及其绿色分量与蓝色分量的比值Ratio_2(i，j)＞＝3.5，则判定像素点(i，j)的主导颜色分量为绿色分量。

4.根据权利要求1所述的小麦出苗的自动检测方法，其特征在于，所述依据小麦图像判别小麦的播种方向的具体实现方式为：

检测并标记小麦图像中的直线；

比较各直线两端点的横坐标差值的绝对值与纵坐标差值的绝对值的大小，若横坐标差值的绝对值大于纵坐标差值的绝对值，则记该直线为水平量直线，否则记该直线为垂直量直线；

若水平量直线的数量大于垂直量直线的数量，则判定小麦的播种方向为水平方向，否则，判定小麦的播种方向为垂直方向。

5.根据权利要求1所述的小麦出苗的自动检测方法，其特征在于，若所述小麦的播种方向为垂直方向，则对小麦图像进行局部或者整体角度旋转调整直到能获取最多的出苗子区域。

6.根据权利要求1所述的小麦出苗的自动检测方法，其特征在于，若一天内的田间小麦图像序列中有一半以上的图像表明小麦进入出苗期，则判定此天为小麦出苗期。

7.根据权利要求1所述的小麦出苗的自动检测方法，其特征在于，还对所述小麦图像做去噪处理。

Images