CN103322946B - 一种获取玉米冠层孔隙度的方法 - Google Patents

Abstract

本发明公开了一种基于图像的玉米冠层孔隙度获取方法，所述方法包括如下步骤：（1）冠层图像获取；（2）冠层图像预处理；（3）冠层图像中非植株区域分割；（4）垄间非植株区域识别；（5）计算冠层孔隙度。本发明所述方法需要较少的人工操作，不易受到外界环境变换的干扰，能够识别并去除玉米植株垄间大块连续的非植株区域，使玉米冠层孔隙度的计算更加准确。

Description

一种获取玉米冠层孔隙度的方法

技术领域

本发明涉及玉米冠层孔隙度测量技术领域，特别涉及一种基于图像的玉米冠层孔隙度获取方法。

背景技术

玉米冠层是玉米群体的重要结构功能单元，玉米的许多生理生化过程，如光合、呼吸、蒸腾等过程都在冠层内进行，冠层的功能发挥主要受到冠层结构的影响，冠层孔隙度是表征冠层结构的重要指标。冠层孔隙度反映了某个方向上冠层孔隙的投影面积占整个冠层投影面积的比率。其测定方法主要有以下三种：直接法，既人工调查一定范围内冠层叶片的面积和分布情况后通过公式计算；光辐射法，通过测量冠层顶部和底部辐射光的衰减间接计算冠层孔隙度；图像法，通过拍摄某个角度的冠层图像，计算非植株像素占整个图像像素的比例获得冠层孔隙度。

在测量冠层孔隙度的三种方法中，直接法需要大量的人工操作，且需要对冠层进行破坏性采样，一般较少采用。光辐射法需要在晴天条件下进行，且冠层中叶片散射对测量结果的影响较难去除。图像法不易受到环境条件的影响，需要较少的人工操作，能够同时获取其他冠层参数。在已经公开的专利中，申请号：201010231726.8、201110228089.3和201210272555.2，公开了水稻冠层孔隙度的图像获取方法，通过计算冠层图像中非植株区域像素个数与整个图像像素个数的比值获取冠层孔隙度。玉米植株采取垄作的栽培方式，两垄之间的冠层存在大片连续的空隙，这种空隙主要是由于栽培方式导致的，并不能反映冠层中叶片的分布情况，直接将这些连续空隙计做非植株区域来计算冠层孔隙度，会导致冠层孔隙度大于真值，因此欲准确计算冠层的孔隙度，需要去除这些大片的连续区域。

发明内容

为解决上述问题，本发明的目的是提供一种基于图像的玉米冠层孔隙度获取方法。该方法需要较少的人工操作，不易受到外界环境变换的干扰，能够识别并去除玉米植株垄间大块连续的非植株区域，使玉米冠层孔隙度的计算更加准确。

本发明所述的获取玉米冠层孔隙度的方法，包括如下步骤：

(1)冠层图像获取：将带有鱼眼镜头的摄像机放置在玉米冠层底部的地上两垄中间位置，镜头垂直朝向天空，镜头焦距固定，调整光圈和曝光时间，获得大景深、明暗适宜的玉米冠层图像；

(2)冠层图像预处理：对获取的冠层图像进行校正处理，使图像的低频区域中亮区域变暗，暗区域变亮；

(3)冠层图像中非植株区域分割：将处理后的冠层图像分割为植株区域和非植株区域，所述植株区域置为黑色，所述非植株区域置为白色；

(4)垄间非植株区域识别：

(I)对步骤(3)所分割出的若干非植株区域计算面积、周长、长宽比、矩形度、似圆度、紧凑度6个特征值，组成非植株区域形状描述特征向量X(x₁,x₂,x₃,x₄,x₅,x₆)；

对特征向量X进行方差标准化，计算方法按下式：

$\stackrel{\‾}{x_i}=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}(i=1\·\·\·6)$

$s_i^2=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{(x_{\mathrm{ij}}-\stackrel{\‾}{x_i})}^2(i=1\·\·\·6)$

$x_{\mathrm{ij}}^{\′}=\frac{x_{\mathrm{ij}}-\stackrel{\‾}{x_i}}{s_i}(i=1\·\·\·6,j=1\·\·\·N)$

其中，N是非植株区域的个数，是向量的均值，S(s₁,s₂,s₃,s₄,s₅,s₆)是向量的方差，X'(x_i'_j,i＝1...6,j＝1...N)是方差标准化后的非植株区域形状描述特征向量，对特征向量X进行方差标准化后，X向量的分量大小都被标准化到相近的区间(例如0到1)，这样处理后可以去除向量中不同分量数值大小对后续分类处理步骤的影响；

(II)对非植株区域形状描述特征向量X'进行分类，第一类是垄间连续大片空隙，第二类是冠层空隙，具体的分类方法为：在X'中任选两个向量X'_c1、X'_c2，作为两类的初始向量，计算X'中其他向量与这两个向量的欧氏距离d₁和d₂，若d₁<d₂则判定该向量属于第一类，否则判定该向量属于第二类；计算第一类向量均值方差S_c1,第二类向量均值方差S_c2，若分出的两类能正确代表“垄间连续大片空隙”和“冠层空隙”，则D值的计算结果最大，

$D=\frac{\mathrm{\&Sigma;}{(\stackrel{\&OverBar;}{X_{c1}}-\stackrel{\&OverBar;}{X_{c2}})}^2}{\mathrm{\&Sigma;}{S}_{c1}^2+\mathrm{\&Sigma;}{S}_{c2}^2}$

以所分两类的均值代替X'_c1、X'_c2，重复上述步骤产生新的两个分类，计算D值并与上一次的计算结果比较，若差异小于0.01则认为分类正确并结束迭代，否则继续重复上述步骤直到D值收敛；识别出的垄间连续大片空隙被置为黑色；所述迭代算法的精度为0.01。

(5)按如下公式计算冠层孔隙度：

$T=\frac{P_0-P_s}{P_0+P_1-P_s}$

其中，P₀是冠层图像中非植株区域的像素数量，P_s是非植株区域中处于垄间的大块天空部分的像素数量，P₁是冠层图像中的植株区域的像素数量。

步骤(1)中，图像获取在天空晴朗的天气下进行，避免阳光直射，摄像机镜头为8mm定焦镜头，采用光圈优先模式，曝光时间由摄像机自动调整。所述大景深是指图像包含景物均比较清晰，所述明暗适宜是指图像中天空没有白色溢出、植株叶片茎秆上没有黑色区域。获取的图像分辨率为2000×1500到4000×3000像素，优选地，获取的图像分辨率为4000×3000像素。

步骤(2)中，对获取的冠层图像进行亮度校正和直方图均衡化处理，提取图像低频亮度成分并计算其均值，高于均值的低频亮度成分减去均值的1/7，低于均值的低频亮度成分加上均值的1/8。

步骤(3)中，所获取的冠层图像中主要包括植株和天空两部分，植株颜色呈现绿色，若能从图像中分割出绿色区域，剩余部分就是非植株区域。图像中绿色像素部分(即植株区域)符合下述条件，2*G>(R+B)并且G>80，其中RGB是图像像素的红绿蓝分量。将图像中绿色(即植株区域)像素置为0，非植株区域像素置为255。

本发明的获取玉米冠层孔隙度的方法，具有如下有益效果：

本发明所述方法基于图像提取玉米冠层孔隙度，克服了直接法、光辐射法操作复杂易受外界环境因素干扰等缺点，将玉米冠层图像分割为植株区域和非植株区域，将非植株区域中垄间大片连续天空区域识别出来，并从非植株区域中去除，从而使冠层孔隙度的计算更符合真实情况、更加精确。

附图说明

图1为获取的玉米冠层图像；

图2为将非植株区域和植株区域分割后的图像；

图3为将垄间非植株区域识别后的图像。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。在不背离本发明精神和实质的情况下，对本发明方法、步骤或条件所作的修改或替换，均属于本发明的范围。

若未特别指明，本发明实施例中所用的实验材料、试剂和仪器等均可市售获得，若未具体指明，实施例中所用的技术手段均为本领域技术人员所熟知的常规手段。

实施例1

(1)冠层图像获取：在选定的玉米地中，在天空晴朗的天气下拍摄图像，将带有鱼眼镜头的摄像机放置在玉米冠层底部的地上两垄中间位置，镜头垂直朝向天空，摄像机镜头为8mm定焦镜头，采用光圈优先模式，曝光时间由摄像机自动调整，拍摄时避免阳光直射，获得大景深、明暗适宜的玉米冠层图像。所述大景深是指图像包含景物均比较清晰，所述明暗适宜是指图像中天空没有白色溢出、植株叶片茎秆上没有黑色区域。获取的图像分辨率为4000×3000像素。如图1所示。

(2)冠层图像预处理：对获取的冠层图像进行亮度校正和直方图均衡化处理，提取图像低频亮度成分并计算其均值，高于均值的低频亮度成分减去均值的1/7，低于均值的低频亮度成分加上均值的1/8，使图像的低频区域中亮区域变暗，暗区域变亮。

(3)冠层图像中非植株区域分割：将处理后的冠层图像分割为植株区域和非植株区域；所获取的冠层图像中主要包括植株和天空两部分，植株颜色呈现绿色，若能从图像中分割出绿色区域，剩余部分就是非植株区域。图像中绿色像素部分(即植株区域)符合下述条件，2*G>(R+B)并且G>80，其中RGB是图像像素的红绿蓝分量。将图像中绿色(即植株区域)像素置为0，非植株区域像素置为255。结果如图2所示。

(4)垄间非植株区域识别：

(I)对步骤(3)所分割出的若干非植株区域计算面积、周长、长宽比、矩形度、似圆度、紧凑度6个特征值，组成非植株区域形状描述特征向量X(x₁,x₂,x₃,x₄,x₅,x₆)；

对特征向量X进行方差标准化，计算方法按下式：

$\stackrel{\&OverBar;}{x_i}=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}(i=1\&CenterDot;\&CenterDot;\&CenterDot;6)$

$s_i^2=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{(x_{\mathrm{ij}}-\stackrel{\&OverBar;}{x_i})}^2(i=1\&CenterDot;\&CenterDot;\&CenterDot;6)$

$x_{\mathrm{ij}}^{\&prime;}=\frac{x_{\mathrm{ij}}-\stackrel{\&OverBar;}{x_i}}{s_i}(i=1\&CenterDot;\&CenterDot;\&CenterDot;6,j=1\&CenterDot;\&CenterDot;\&CenterDot;N)$

其中，N是非植株区域的个数，是向量的均值，S(s₁,s₂,s₃,s₄,s₅,s₆)是向量的方差，X'(x_i'_j,i＝1...6,j＝1...N)是方差标准化后的非植株区域形状描述特征向量，对特征向量X进行方差标准化后，X向量的分量大小都被标准化到相近的区间(例如0到1)，这样处理后可以去除向量中不同分量数值大小对后续分类处理步骤的影响；

(II)对非植株区域形状描述特征向量X'进行分类，第一类是垄间连续大片空隙，第二类是冠层空隙，具体的分类方法为：在X'中任选两个向量X'_c1、X'_c2，作为两类的初始向量，计算X'中其他向量与这两个向量的欧氏距离d₁和d₂，若d₁<d₂则判定该向量属于第一类，否则判定该向量属于第二类；计算第一类向量均值方差S_c1,第二类向量均值方差S_c2，若分出的两类能正确代表“垄间连续大片空隙”和冠层空隙，则D值的计算结果最大，

$D=\frac{\mathrm{\&Sigma;}{(\stackrel{\&OverBar;}{X_{c1}}-\stackrel{\&OverBar;}{X_{c2}})}^2}{\mathrm{\&Sigma;}{S}_{c1}^2+\mathrm{\&Sigma;}{S}_{c2}^2}$

以所分两类的均值代替X'_c1、X'_c2，重复上述步骤产生新的两个分类，计算D值并与上一次的计算结果比较，若差异小于0.01则认为分类正确并结束迭代，否则继续重复上述步骤直到D值收敛；如图3所示，识别出的垄间连续大片空隙被置为黑色。

(5)按如下公式计算冠层孔隙度：

$T=\frac{P_0-P_s}{P_0+P_1-P_s}$

其中，P₀是冠层图像中非植株区域的像素数量，P_s是非植株区域中处于垄间的大块天空部分的像素数量，P₁是冠层图像中的植株区域的像素数量。

实验例1

1、按照本发明实施例1所述方法分别测量大喇叭口期的玉米、抽雄期的玉米、灌浆期的玉米的冠层孔隙度。

2、按照现有技术方法(专利申请号：201010231726.8)分别测量大喇叭口期的玉米、抽雄期的玉米、灌浆期的玉米的冠层孔隙度。

3、采用直接法分别测量大喇叭口期的玉米、抽雄期的玉米、灌浆期的玉米的冠层孔隙度。

以上各实验中玉米种植密度均为3500株/亩，其他种植和管理条件均相同。采用本发明所述方法、现有技术方法与直接法计算的玉米冠层孔隙度结果如表1所示。

表1玉米冠层孔隙度(％)

	现有技术方法	本发明方法	直接法
				大喇叭口期的玉米	28.3	19.7	22.3
抽雄期的玉米	24.6	17.5	17.1
				灌浆期的玉米	23.3	16.4	17.7

由表1可以看出，相较于现有技术方法，采用本发明所述方法对玉米冠层孔隙度进行测量能够去除垄间大片天空区域，使得孔隙度的计算更接近真实情况，现有方法中垄间空隙影响了孔隙度的计算，因此本发明所述方法比现有方法更接近真实值。特别是当玉米植株还没有生长到足够高大足以覆盖垄间空隙的时候，这种现象更加明显。

虽然，上文中已经用一般性说明、具体实施方式及试验，对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (6)

1.一种获取玉米冠层孔隙度的方法，其特征在于，所述方法包括如下步骤：

(1)冠层图像获取：将带有鱼眼镜头的摄像机放置在玉米冠层底部的地上两垄中间位置，镜头垂直朝向天空，镜头焦距固定，调整光圈和曝光时间，获得大景深、明暗适宜的玉米冠层图像；

(2)冠层图像预处理：对获取的冠层图像进行校正处理，使图像的低频区域中亮区域变暗，暗区域变亮；

(3)冠层图像中非植株区域分割：将处理后的冠层图像分割为植株区域和非植株区域，所述植株区域置为黑色，所述非植株区域置为白色；

(4)垄间非植株区域识别：

(I)对步骤(3)所分割出的若干非植株区域计算面积、周长、长宽比、矩形度、似圆度、紧凑度6个特征值，组成非植株区域形状描述特征向量X(x₁,x₂,x₃,x₄,x₅,x₆)；

对特征向量X进行方差标准化，计算方法按下式：

$\stackrel{\&OverBar;}{x_i}=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}$ (i＝1…6)

$s_i^2=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{(x_{\mathrm{ij}}-\stackrel{\&OverBar;}{x_i})}^2$ (i＝1…6)

$x_{\mathrm{ij}}^{\&prime;}=\frac{x_{\mathrm{ij}}-\stackrel{\&OverBar;}{x_i}}{s_i}$ (i＝1…6,j＝1…N)

其中，N是非植株区域的个数，是向量的均值，S(s₁,s₂,s₃,s₄,s₅,s₆)是向量的方差，X'(x_i'_j,i＝1...6,j＝1...N)是方差标准化后的非植株区域形状描述特征向量；

(II)对非植株区域形状描述特征向量X'进行分类，第一类是垄间连续大片空隙，第二类是冠层空隙，分类方法为：在X'中任选两个向量X'_c1、X'_c2，作为两类的初始向量，计算X'中其他向量与这两个向量的欧氏距离d₁和d₂，若d₁<d₂则判定该向量属于第一类，否则判定该向量属于第二类；计算第一类向量均值方差S_c1,第二类向量均值方差S_c2，若分出的两类能正确代表“垄间连续大片空隙”和“冠层空隙”，则D值的计算结果最大，

$D=\frac{\mathrm{\&Sigma;}{(\stackrel{\&OverBar;}{X_{c1}}-\stackrel{\&OverBar;}{X_{c2}})}^2}{\mathrm{\&Sigma;}{S}_{c1}^2+\mathrm{\&Sigma;}{S}_{c2}^2}$

以所分两类的均值代替X'_c1、X'_c2，重复上述步骤产生新的两个分类，计算D值并与上一次的计算结果比较，若差异小于0.01则认为分类正确并结束迭代，否则继续重复上述步骤直到D值收敛；识别出的垄间连续大片空隙被置为黑色；

(5)按如下公式计算冠层孔隙度：

$T=\frac{P_0-P_s}{P_0+P_1-P_s}$

其中，P₀是冠层图像中非植株区域的像素数量，P_s是非植株区域中处于垄间的大块天空部分的像素数量，P₁是冠层图像中的植株区域的像素数量。

2.根据权利要求1所述的方法，其特征在于，步骤(1)中，图像获取在天空晴朗的天气下进行，避免阳光直射，摄像机镜头为8mm定焦镜头，采用光圈优先模式，曝光时间由摄像机自动调整。

3.根据权利要求1所述的方法，其特征在于，步骤(1)中，获取的图像分辨率为2000×1500到4000×3000像素。

4.根据权利要求3所述的方法，其特征在于，步骤(1)中，获取的图像分辨率为4000×3000像素。

5.根据权利要求1所述的方法，其特征在于，步骤(2)中，对获取的冠层图像进行亮度校正和直方图均衡化处理，提取图像低频亮度成分并计算其均值，高于均值的低频亮度成分减去均值的1/7，低于均值的低频亮度成分加上均值的1/8。

6.根据权利要求1所述的方法，其特征在于，步骤(3)中，图像中植株区域符合下述条件，2*G>(R+B)并且G>80，其中RGB是图像像素的红绿蓝分量，将图像中植株区域像素置为0，非植株区域像素置为255。