CN104504736A - 一种识别大田作物长势监控图像中绿色植物的方法及系统 - Google Patents
一种识别大田作物长势监控图像中绿色植物的方法及系统 Download PDFInfo
- Publication number
- CN104504736A CN104504736A CN201510024750.7A CN201510024750A CN104504736A CN 104504736 A CN104504736 A CN 104504736A CN 201510024750 A CN201510024750 A CN 201510024750A CN 104504736 A CN104504736 A CN 104504736A
- Authority
- CN
- China
- Prior art keywords
- image
- green
- tone
- pictorial element
- field crop
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种识别大田作物长势监控图像中绿色植物的方法及系统。该方法包括:首先在HSV颜色空间对大田作物长势监控图像中的图像元素进行颜色分布分析,得出绿色植物区别于其他背景图像元素的色调值范围和饱和度值范围;之后构建基于色调H的带通滤波器BPH(H)和基于饱和度S的带通滤波器BPS(S),使大田作物长势监控图像依次通过带通滤波器BPH(H)和带通滤波器BPS(S),即可将大田作物长势监控图像中除绿色植物外的其他背景图像元素给滤除掉,后续利用绿色因子法和阈值分割法就能识别出大田作物长势监控图像中的绿色植物。本发明能够正确识别复杂天气条件和复杂背景下拍摄的大田作物长势监控图像中的绿色植物。
Description
技术领域
本发明涉及模式识别和机器视觉领域,具体地说是一种识别大田作物长势监控图像中绿色植物的方法及系统。
背景技术
耕地减少、人口增长、自然灾害频发,迫使各国政府不得不考虑本国的粮食安全问题。为了保证粮食的稳产、高产,农业科学家提出了“精细农业”的概念,核心思想就是通过对农业生产的各个环节(如播种、施肥、灌溉、除虫等)进行精细化管理,保证庄稼能够健康成长。作物长势监控是精细农业中的一个重要研究课题。
作物长势作为作物生长过程中的重要属性,已经成为农学中的研究热点。通过作物长势,可以帮助农业科学家分析大田作物的生产过程与作物生长状态间的关系,并由此提供有效的农业决策服务(如施肥量、灌溉时间、病虫害防治等),最终提高农作物产量。利用田间相机采集大田作物长势监控图像进行作物长势分析非常适合对地块级的作物长势进行精确监控。
由于大田作物长势监控图像采集于野外大田环境,因此图像质量容易受天气阴晴、土壤颜色、表面覆盖物等因素影响,这些因素都使得从大田作物长势监控图像中正确识别出其中的绿色植物从而判断其长势变得极其困难。
常见的绿色植物识别方法为基于可见光谱因子的识别方法,主要包括:绿色因子法(Excess Green Index,ExG),绿色减红色因子法(Excess Green minus Red Index,ExGR),植被指数法(Vegetative Index,VEG),综合指数法(Combined Index,COM)等。这些方法都假设图像具有正常的亮度和对比度,图像中的绿色植物为明亮的绿色,且背景只有单一的土壤,但事实上这个假设并不总是成立。
实际拍摄的大田作物图像,其亮度和对比度受天气状况和拍摄时间的影响很大,比如晴天时亮度和对比度较高,而阴天时较低;植物的颜色也不总是明亮的绿色,而是与作物的生长状态(如健康、患病、缺肥、干旱、虫害等)密切相关;图像的背景也不仅仅是单一颜色的土壤,大田的土壤可能是黑土、黄土或红土,土壤表面可能覆盖着麦秸、玉米秸、地膜、燃烧秸秆产生的灰烬等。上述因素导致基于可见光谱因子的方法对自然光条件下拍摄的大田作物长势监控图像中的绿色植物识别率较低甚至无法识别,因此亟需寻找一种能够适应大田环境的绿色植物识别方法。
发明内容
本发明的目的之一就是提供一种识别大田作物长势监控图像中绿色植物的方法,以解决现有的基于可见光谱因子的方法对自然光条件下拍摄的大田作物长势监控图像中的绿色植物识别率较低甚至无法识别的问题。
本发明的目的之二就是提供一种识别大田作物长势监控图像中绿色植物的系统,采用该系统可准确识别出大田作物长势监控图像中的绿色植物,以便对大田作物长势进行正确分析。
本发明的目的之一是这样实现的:一种识别大田作物长势监控图像中绿色植物的方法,包括如下步骤:
第一步、对大田作物长势监控图像中的图像元素在HSV颜色空间进行颜色分布分析,得出绿色植物图像元素区别于其他图像元素的最小色调值hmin、最大色调值hmax、最小饱和度值smin和最大饱和度值smax;
第二步、构建基于色调H的带通滤波器BPH(H),满足如下公式:
式(1)中,H是大田作物长势监控图像中图像元素在HSV颜色空间的色调H分量;
第三步、通过带通滤波器BPH(H)从大田作物长势监控图像中滤掉色调与绿色植物图像元素色调不符的图像元素,得到色调与绿色植物图像元素色调相符的图像I1,图像I1在RGB颜色空间表示为:
I1=[R1,G1,B1] (2)
式(2)中,R1、G1和B1的表达式如下:
式中,R、G、B分别为大田作物长势监控图像中图像元素在RGB颜色空间的红、绿、蓝三个颜色分量,R1、G1、B1分别为色调与绿色植物图像元素色调相符的图像I1在RGB颜色空间的红、绿、蓝三个颜色分量;
第四步、构建基于饱和度S的带通滤波器BPS(S),满足如下公式:
式(6)中,S是大田作物长势监控图像中图像元素在HSV颜色空间的饱和度S分量;
第五步、通过带通滤波器BPS(S)从图像I1中滤掉饱和度与绿色植物图像元素饱和度不符的图像元素,得到色调和饱和度与绿色植物图像元素中色调和饱和度均相符的图像I2,图像I2在RGB颜色空间表示为:
I2=[R2,G2,B2] (7)
式(7)中,R2、G2和B2的表达式如下:
式中,R2、G2、B2分别为色调和饱和度与绿色植物图像元素中色调和饱和度均相符的图像I2在RGB颜色空间的红、绿、蓝三个颜色分量;
第六步、对图像I2利用绿色因子法计算绿色因子矩阵Mg,具体计算公式为:
Mg=2G2-R2-B2(11)
第七步、利用阈值分割法识别矩阵Mg中的绿色植物,得到绿色植物目标图像Og,满足下式:
式(12)中,T为分割阈值。
第一步中,大田作物为大田玉米,大田作物长势监控图像中的图像元素包括绿色植物、土壤、麦秸、玉米秸、地膜和秸秆燃烧后产生的灰烬;
第三步中,所得到的图像I1为从大田作物长势监控图像中去除了土壤、玉米秸、地膜和秸秆燃烧后产生的灰烬后的图像;
第五步中,所得到的图像I2为从图像I1中去除了麦秸后的图像。
本发明所提供的识别大田作物长势监控图像中绿色植物的方法,首先在HSV颜色空间对大田作物长势监控图像中的所存在的所有图像元素进行颜色分布分析,得出绿色植物图像元素区别于其他背景图像元素的最小色调值hmin、最大色调值hmax、最小饱和度值smin和最大饱和度值smax;之后构建基于色调H的带通滤波器BPH(H)和基于饱和度S的带通滤波器BPS(S),带通滤波器BPH(H)可将色调与绿色植物图像元素色调不符的图像元素滤掉,带通滤波器BPS(S)可将饱和度与绿色植物图像元素饱和度不符的图像元素滤掉,因此,使大田作物长势监控图像依次通过带通滤波器BPH(H)和带通滤波器BPS(S)后,即可将大田作物长势监控图像中除绿色植物图像元素外的其他背景图像元素给滤除掉,后续利用绿色因子法和阈值分割法即可识别出大田作物长势监控图像中的绿色植物。
在HSV颜色空间对大田作物长势监控图像中的图像元素进行颜色分布分析,可有效解决现有技术中基于可见光谱因子的识别方法受天气状况和拍摄时间的影响而导致绿色植物识别率较低甚至无法识别的问题,还能有效滤除大田作物长势监控图像中的各种背景图像元素,从而可准确识别出绿色植物,为正确判断大田作物长势提供基础。
本发明的目的之二是这样实现的:一种识别大田作物长势监控图像中绿色植物的系统,包括:
背景图像元素去除模块,用于去除大田作物长势监控图像中除绿色植物图像元素外的其他背景图像元素;
绿色因子矩阵计算模块,用于计算由所述背景图像元素去除模块作用后的图像中的绿色因子矩阵;以及
绿色植物识别模块,用于对所述绿色因子矩阵进行阈值分割,以得到绿色植物目标图像。
所述背景图像元素去除模块包括:
绿色植物区别单元,用于根据大田作物长势监控图像中图像元素在HSV颜色空间的颜色分布,得出绿色植物图像元素区别于其他背景图像元素的最小色调值hmin、最大色调值hmax、最小饱和度值smin和最大饱和度值smax;
色调滤除单元,用于通过带通滤波器BPH(H)从大田作物长势监控图像中滤掉色调与绿色植物图像元素色调不符的图像元素,得到色调与绿色植物图像元素色调相符的图像I1;
带通滤波器BPH(H)满足如下公式:
图像I1在RGB颜色空间的红、绿、蓝三个颜色分量分别为R1、G1、B1;R1、G1、B1满足如下公式:
式中,R、G、B分别为大田作物长势监控图像中图像元素在RGB颜色空间的红、绿、蓝三个颜色分量;
饱和度滤除单元,用于通过带通滤波器BPS(S)从图像I1中滤掉饱和度与绿色植物图像元素饱和度不符的图像元素,得到色调和饱和度与绿色植物图像元素中色调和饱和度均相符的图像I2;
带通滤波器BPS(S)满足如下公式:
图像I2在RGB颜色空间的红、绿、蓝三个颜色分量分别为R2、G2、B2;R2、G2、B2满足如下公式:
所述背景图像元素去除模块用于去除大田作物长势监控图像中除绿色植物图像元素外的土壤、麦秸、玉米秸、地膜和秸秆燃烧后产生的灰烬五种背景图像元素。
本发明所提供的识别大田作物长势监控图像中绿色植物的系统,在绿色因子法的基础上,融合带通滤波技术,可以正确识别复杂天气条件和复杂背景下拍摄的大田作物长势监控图像中的绿色植物,更能适应真实的野外大田环境,利于后续正确判断大田作物长势,为灌溉、施肥、除虫等农业生产活动提供决策依据。
附图说明
图1是本发明实施例1中识别大田玉米长势监控图像中绿色玉米苗的方法流程图。
图2是本发明实施例1中大田玉米长势监控图像中所有图像元素在HSV颜色空间的色调分布示意图。
图3是本发明实施例1中大田玉米长势监控图像中所有图像元素在HSV颜色空间的饱和度分布示意图。
图4是本发明实施例2中识别大田作物长势监控图像中绿色植物的系统框图。
具体实施方式
实施例1,一种识别大田作物长势监控图像中绿色植物的方法。
本发明所提供的识别大田作物长势监控图像中绿色植物的方法,前提是用户已经利用田间相机采集了大田作物长势的监控图像。本实施例中的大田作物以大田玉米为例,本实施例的目标是从大田玉米长势监控图像中识别出其中的绿色玉米苗,以利于后续实现大田玉米的长势判断,从而为灌溉、施肥、除虫等农业生产活动提供决策依据;即本实施例得到的绿色玉米苗目标图像为后续的大田玉米长势分析提供基础。
图1为本实施例所提供的识别大田玉米长势监控图像中绿色玉米苗的方法流程示意图,如图1所示,本实施例主要包括以下步骤:
步骤101、对大田玉米长势监控图像中的图像元素在HSV颜色空间进行颜色分布分析。
大田玉米长势监控图像中的图像元素包括绿色玉米苗、土壤(包括红土、黄土、黑土等)、麦秸、玉米秸(或称棒秸)、地膜、秸秆燃烧后产生的灰烬等图像元素,除绿色玉米苗图像元素外,其他图像元素均可称为背景图像元素。对大田玉米长势监控图像中的所存在的所有图像元素在HSV颜色空间进行颜色分布分析,分析结果如图2和图3所示。图2为所有图像元素在HSV颜色空间的色调分布示意图,图3是所有图像元素在HSV颜色空间的饱和度分布示意图。由图2和图3可得出,绿色玉米苗图像元素区别于土壤、麦秸、玉米秸、地膜、秸秆燃烧后产生的灰烬等图像元素的最小色调值hmin为35、最大色调值hmax为135、最小饱和度值smin为60、最大饱和度值smax为130。
步骤102、构建基于色调H的带通滤波器BPH(H)。
带通滤波器BPH(H)满足如下公式:
式(13)中,H是大田玉米长势监控图像中图像元素在HSV颜色空间的色调H分量。
步骤103、通过带通滤波器BPH(H)从大田玉米长势监控图像中滤掉色调与绿色玉米苗图像元素色调不符的图像元素,得到色调与绿色玉米苗图像元素色调相符的图像I1。
图像I1在RGB颜色空间的红、绿、蓝三个颜色分量分别为R1、G1、B1,具体表达式为:
I1=[R1,G1,B1] (14)
式(14)中,R1、G1和B1的表达式如下:
式(15)、(16)、(17)中的BPH(H)为公式(13)中的BPH(H),式(15)、(16)、(17)中的R、G、B分别为大田玉米长势监控图像中图像元素在RGB颜色空间的红、绿、蓝三个颜色分量,R1为R经公式(15)计算后得到的红色分量,即R1是色调与绿色玉米苗图像元素色调相符的红色分量;G1为G经公式(16)计算后得到的绿色分量,即G1是色调与绿色玉米苗图像元素色调相符的绿色分量;B1为B经公式(17)计算后得到的蓝色分量,即B1是色调与绿色玉米苗图像元素色调相符的蓝色分量。
所得到的图像I1为从大田玉米长势监控图像中滤除了土壤、玉米秸、地膜、秸秆燃烧后产生的灰烬等背景图像元素后的大田玉米长势监控图像。
步骤104、构建基于饱和度S的带通滤波器BPS(S)。
带通滤波器BPS(S)满足如下公式:
式(18)中,S是大田玉米长势监控图像中图像元素在HSV颜色空间的饱和度S分量。
步骤105、通过带通滤波器BPS(S)从图像I1中滤掉饱和度与绿色玉米苗图像元素饱和度不符的图像元素,得到色调和饱和度与绿色玉米苗图像元素中色调和饱和度均相符的图像I2。
图像I2在RGB颜色空间的红、绿、蓝三个颜色分量分别为R2、G2、B2,具体表示为:
I2=[R2,G2,B2] (19)
式(19)中,R2、G2和B2的表达式如下:
式(20)、(21)、(22)中的BPS(S)为公式(18)中的BPS(S),R2为R1经公式(20)计算后得到的红色分量,即R2是色调和饱和度与绿色玉米苗图像元素色调和饱和度均相符的红色分量;G2为G1经公式(21)计算后得到的绿色分量,即G2是色调和饱和度与绿色玉米苗图像元素色调和饱和度均相符的绿色分量;B2为B1经公式(22)计算后得到的蓝色分量,即B2是色调和饱和度与绿色玉米苗图像元素色调和饱和度均相符的蓝色分量。
所得到的图像I2为在图像I1的基础上又滤除了麦秸等背景图像元素后的大田玉米长势监控图像。
步骤106、对图像I2利用绿色因子法计算绿色因子矩阵Mg。
绿色因子矩阵Mg的具体计算公式为:
Mg=2G2-R2-B2 (23)
绿色因子矩阵Mg中包含了若干绿色因子,每一绿色因子反映图像元素中对应位置处像素是否为绿色的程度,某像素的绿色因子越大,该像素为绿色的可能性越大。
步骤107、利用阈值分割法识别矩阵Mg中的绿色玉米苗,得到绿色玉米苗目标图像Og。
绿色玉米苗目标图像Og满足下式:
T为利用大津法获得的分割阈值,Og为利用公式(24)计算得到的绿色玉米苗目标图像,具体计算时是用矩阵Mg中每一绿色因子分别与分割阈值T比较,若绿色因子大于分割阈值T,则相应的图像像素满足要求,属于绿色玉米苗的一个像素,使矩阵Mg中所有大于分割阈值T的绿色因子组合起来对应的图像即是计算所得的绿色玉米苗目标图像Og。
实施例2,一种识别大田作物长势监控图像中绿色植物的系统。
如图4所示,本实施例所提供的识别大田作物长势监控图像中绿色植物的系统包括背景图像元素去除模块200、绿色因子矩阵计算模块300和绿色植物识别模块400。
背景图像元素去除模块200又包括绿色植物区别单元201、色调滤除单元202和饱和度滤除单元203。
绿色植物区别单元201用于根据大田作物长势监控图像中图像元素在HSV颜色空间的颜色分布,得出绿色植物图像元素区别于其他背景图像元素的最小色调值hmin、最大色调值hmax、最小饱和度值smin和最大饱和度值smax。其他背景图像元素包括有土壤、麦秸、玉米秸、地膜和秸秆燃烧后产生的灰烬等背景图像元素。
色调滤除单元202用于通过带通滤波器BPH(H)从大田作物长势监控图像中滤掉色调与绿色植物图像元素色调不符的图像元素,得到色调与绿色植物图像元素色调相符的图像I1。
带通滤波器BPH(H)满足如下公式:
图像I1在RGB颜色空间的红、绿、蓝三个颜色分量分别为R1、G1、B1;R1、G1、B1满足如下公式:
式(3)、(4)、(5)中,BHP(H)满足公式(1),R、G、B分别为大田作物长势监控图像中图像元素在RGB颜色空间的红、绿、蓝三个颜色分量。
经色调滤除单元202作用后,可以从大田作物长势监控图像中滤除掉土壤、玉米秸、地膜和秸秆燃烧后产生的灰烬等背景图像元素,因为这些背景图像元素的色调与绿色植物的色调不符,或者说这些背景图像元素的色调不在绿色植物的色调范围之内。
饱和度滤除单元203用于通过带通滤波器BPS(S)从图像I1中滤掉饱和度与绿色植物图像元素饱和度不符的图像元素,得到色调和饱和度与绿色植物图像元素中色调和饱和度均相符的图像I2。
带通滤波器BPS(S)满足如下公式:
图像I2在RGB颜色空间的红、绿、蓝三个颜色分量分别为R2、G2、B2;R2、G2、B2满足如下公式:
式(8)、(9)、(10)中的BPS(S)满足公式(6)。
经饱和度滤除单元203作用后,可以从图像I1中滤掉麦秸等背景图像元素,因为麦秸等背景元素的饱和度与绿色植物的饱和度不符,这样得到的图像I2即是滤除了土壤、麦秸、玉米秸、地膜和秸秆燃烧后产生的灰烬等背景图像元素后的图像。
绿色因子矩阵计算模块300用于计算由背景图像元素去除模块200作用后的图像I2(或者说经饱和度滤除单元203作用后的图像I2)中的绿色因子矩阵Mg。绿色因子矩阵Mg的具体计算公式为:
Mg=2G2-R2-B2 (11)
绿色植物识别模块400用于对绿色因子矩阵Mg进行阈值分割,以得到绿色植物目标图像Og。绿色植物目标图像Og满足下式:
式(12)中,T为利用大津法获得的分割阈值。
Claims (5)
1.一种识别大田作物长势监控图像中绿色植物的方法,其特征是,包括如下步骤:
第一步、对大田作物长势监控图像中的图像元素在HSV颜色空间进行颜色分布分析,得出绿色植物图像元素区别于其他图像元素的最小色调值hmin、最大色调值hmax、最小饱和度值smin和最大饱和度值smax;
第二步、构建基于色调H的带通滤波器BPH(H),满足如下公式:
式(1)中,H是大田作物长势监控图像中图像元素在HSV颜色空间的色调H分量;
第三步、通过带通滤波器BPH(H)从大田作物长势监控图像中滤掉色调与绿色植物图像元素色调不符的图像元素,得到色调与绿色植物图像元素色调相符的图像I1,图像I1在RGB颜色空间表示为:
I1=[R1,G1,B1] (2)
式(2)中,R1、G1和B1的表达式如下:
式中,R、G、B分别为大田作物长势监控图像中图像元素在RGB颜色空间的红、绿、蓝三个颜色分量,R1、G1、B1分别为色调与绿色植物图像元素色调相符的图像I1在RGB颜色空间的红、绿、蓝三个颜色分量;
第四步、构建基于饱和度S的带通滤波器BPS(S),满足如下公式:
式(6)中,S是大田作物长势监控图像中图像元素在HSV颜色空间的饱和度S分量;
第五步、通过带通滤波器BPS(S)从图像I1中滤掉饱和度与绿色植物图像元素饱和度不符的图像元素,得到色调和饱和度与绿色植物图像元素中色调和饱和度均相符的图像I2,图像I2在RGB颜色空间表示为:
I2=[R2,G2,B2] (7)
式(7)中,R2、G2和B2的表达式如下:
式中,R2、G2、B2分别为色调和饱和度与绿色植物图像元素中色调和饱和度均相符的图像I2在RGB颜色空间的红、绿、蓝三个颜色分量;
第六步、对图像I2利用绿色因子法计算绿色因子矩阵Mg,具体计算公式为:
Mg=2G2-R2-B2 (11)
第七步、利用阈值分割法识别矩阵Mg中的绿色植物,得到绿色植物目标图像Og,满足下式:
式(12)中,T为分割阈值。
2.根据权利要求1所述的识别大田作物长势监控图像中绿色植物的方法,其特征是,
第一步中,大田作物为大田玉米,大田作物长势监控图像中的图像元素包括绿色植物、土壤、麦秸、玉米秸、地膜和秸秆燃烧后产生的灰烬;
第三步中,所得到的图像I1为从大田作物长势监控图像中去除了土壤、玉米秸、地膜和秸秆燃烧后产生的灰烬后的图像;
第五步中,所得到的图像I2为从图像I1中去除了麦秸后的图像。
3.一种识别大田作物长势监控图像中绿色植物的系统,其特征是,包括:
背景图像元素去除模块,用于去除大田作物长势监控图像中除绿色植物图像元素外的其他背景图像元素;
绿色因子矩阵计算模块,用于计算由所述背景图像元素去除模块作用后的图像中的绿色因子矩阵;以及
绿色植物识别模块,用于对所述绿色因子矩阵进行阈值分割,以得到绿色植物目标图像。
4.根据权利要求3所述的识别大田作物长势监控图像中绿色植物的系统,其特征是,所述背景图像元素去除模块包括:
绿色植物区别单元,用于根据大田作物长势监控图像中图像元素在HSV颜色空间的颜色分布,得出绿色植物图像元素区别于其他背景图像元素的最小色调值hmin、最大色调值hmax、最小饱和度值smin和最大饱和度值smax;
色调滤除单元,用于通过带通滤波器BPH(H)从大田作物长势监控图像中滤掉色调与绿色植物图像元素色调不符的图像元素,得到色调与绿色植物图像元素色调相符的图像I1;
带通滤波器BPH(H)满足如下公式:
图像I1在RGB颜色空间的红、绿、蓝三个颜色分量分别为R1、G1、B1;R1、G1、B1满足如下公式:
式中,R、G、B分别为大田作物长势监控图像中图像元素在RGB颜色空间的红、绿、蓝三个颜色分量;
饱和度滤除单元,用于通过带通滤波器BPS(S)从图像I1中滤掉饱和度与绿色植物图像元素饱和度不符的图像元素,得到色调和饱和度与绿色植物图像元素中色调和饱和度均相符的图像I2;
带通滤波器BPS(S)满足如下公式:
图像I2在RGB颜色空间的红、绿、蓝三个颜色分量分别为R2、G2、B2;R2、G2、B2满足如下公式:
5.根据权利要求3所述的识别大田作物长势监控图像中绿色植物的系统,其特征是,所述背景图像元素去除模块用于去除大田作物长势监控图像中除绿色植物图像元素外的土壤、麦秸、玉米秸、地膜和秸秆燃烧后产生的灰烬五种背景图像元素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510024750.7A CN104504736B (zh) | 2015-01-19 | 2015-01-19 | 一种识别大田作物长势监控图像中绿色植物的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510024750.7A CN104504736B (zh) | 2015-01-19 | 2015-01-19 | 一种识别大田作物长势监控图像中绿色植物的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104504736A true CN104504736A (zh) | 2015-04-08 |
CN104504736B CN104504736B (zh) | 2017-10-31 |
Family
ID=52946130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510024750.7A Expired - Fee Related CN104504736B (zh) | 2015-01-19 | 2015-01-19 | 一种识别大田作物长势监控图像中绿色植物的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104504736B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10586105B2 (en) * | 2016-12-30 | 2020-03-10 | International Business Machines Corporation | Method and system for crop type identification using satellite observation and weather data |
US10664702B2 (en) | 2016-12-30 | 2020-05-26 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
CN111445346A (zh) * | 2020-04-07 | 2020-07-24 | 北京农业信息技术研究中心 | 作物长势检测装置及方法 |
CN113128453A (zh) * | 2021-04-30 | 2021-07-16 | 内蒙古工业大学 | 采用遥感时间序列数据的地膜识别方法、系统以及介质 |
US11164310B2 (en) | 2016-12-30 | 2021-11-02 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7606414B2 (en) * | 2005-03-11 | 2009-10-20 | Honeywell International Inc. | Fusion of color space data to extract dominant color |
CN102779349A (zh) * | 2012-06-30 | 2012-11-14 | 东南大学 | 一种基于图像颜色空间特征的雾天检测方法 |
-
2015
- 2015-01-19 CN CN201510024750.7A patent/CN104504736B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7606414B2 (en) * | 2005-03-11 | 2009-10-20 | Honeywell International Inc. | Fusion of color space data to extract dominant color |
CN102779349A (zh) * | 2012-06-30 | 2012-11-14 | 东南大学 | 一种基于图像颜色空间特征的雾天检测方法 |
Non-Patent Citations (3)
Title |
---|
蔡世捷: "基于Matlab的树木图像分割方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
迟德霞等: "基于EXG因子的水稻秧苗图像分割", 《安徽农业科学》 * |
迟德霞等: "基于颜色特征的水稻秧苗图像分割", 《中国农机化学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10586105B2 (en) * | 2016-12-30 | 2020-03-10 | International Business Machines Corporation | Method and system for crop type identification using satellite observation and weather data |
US10664702B2 (en) | 2016-12-30 | 2020-05-26 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
US11164310B2 (en) | 2016-12-30 | 2021-11-02 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
US11527062B2 (en) | 2016-12-30 | 2022-12-13 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
CN111445346A (zh) * | 2020-04-07 | 2020-07-24 | 北京农业信息技术研究中心 | 作物长势检测装置及方法 |
CN113128453A (zh) * | 2021-04-30 | 2021-07-16 | 内蒙古工业大学 | 采用遥感时间序列数据的地膜识别方法、系统以及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104504736B (zh) | 2017-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104504736B (zh) | 一种识别大田作物长势监控图像中绿色植物的方法及系统 | |
CN103336966B (zh) | 一种应用于农业智能机械的杂草图像辨识方法 | |
CN106951836A (zh) | 基于先验阈值优化卷积神经网络的作物覆盖度提取方法 | |
CN110598619B (zh) | 一种利用无人机影像进行果树识别和计数的方法和系统 | |
CN103903252A (zh) | 棉田虫情自动监测装置及监测方法 | |
CN102542560B (zh) | 一种水稻移栽后密度自动检测的方法 | |
CN106846334A (zh) | 基于支持向量数据描述的田间玉米植株识别方法 | |
Selvi et al. | Weed detection in agricultural fields using deep learning process | |
CN108629289A (zh) | 农田的识别方法及系统、应用于农业的无人机 | |
CN111798433B (zh) | 基于无人机遥感的高原山区成熟火龙果实识别与计数方法 | |
CN116029860B (zh) | 基于gis的智慧农业种植区域规划辅助决策系统 | |
CN115861686A (zh) | 基于边缘深度学习的荔枝关键生长期识别检测方法及系统 | |
CN115687850A (zh) | 一种农田的灌溉需水量计算方法及装置 | |
CN103413172A (zh) | 玉米苗期缺苗数的测量方法及装置 | |
CN110598514A (zh) | 一种土地整治项目区地块尺度农作物播种面积监测方法 | |
Wang et al. | Automated mango flowering assessment via refinement segmentation | |
CN107169940B (zh) | 基于电子识别的单株梨树产量获取方法 | |
CN103900498A (zh) | 一种棉田苗情自动探测方法及其探测装置 | |
CN110781865A (zh) | 一种农作物生长控制系统 | |
CN110232345A (zh) | 使用计算机生成杂草识别模型的程序和杂草识别装置 | |
CN114782843A (zh) | 基于无人机多光谱图像融合的作物产量预测方法及系统 | |
Yihang et al. | Automatic recognition of rape seeding emergence stage based on computer vision technology | |
Wu et al. | Field crop extraction based on machine vision | |
CN116453003B (zh) | 一种基于无人机监测智能识别水稻生长势的方法和系统 | |
CN109685815A (zh) | 一种基于图像处理的玉米行间的路径规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171031 Termination date: 20210119 |