CN106951824A - 基于无人机遥感影像提取玉米植株叶色的方法及系统 - Google Patents

Abstract

本发明提供一种基于无人机遥感影像提取玉米植株叶色的方法及系统，所述方法包括：获取玉米育种基地的无人机遥感影像；对无人机遥感影像进行RGB到HSI的色彩空间变换；对变换得到的HSI影像，提取多种不同颜色类别的叶色特征集；根据叶色特征集建立规则集，并根据不同颜色种类的叶色特征集，使用决策树法对玉米叶色进行分类，得到玉米叶色分类图。本发明利用无人机遥感技术以及计算机图像处理技术，对玉米植株的叶色进行提取，相比现有的采用人力进行识别，自动化程度高，识别出的玉米植株叶色准确度高，该方法将在玉米田间调查和管理领域得到广泛的应用，为育种家田间生产操作提供决策支持，并为精准农业等现代农业技术手段提供了基作用。

Description

基于无人机遥感影像提取玉米植株叶色的方法及系统

技术领域

本发明涉及图像处理技术领域，更具体地，涉及一种基于无人机遥感影像提取玉米植株叶色的方法及系统。

背景技术

在玉米种质资源鉴定及新品种测试性状调查中，叶片颜色作为主要表型性状被广泛的使用。同时，叶色在一定程度上能反映叶片内部的生理生化特征。当前获取玉米叶色的方法多为人工调查，该方法耗费时间、人力和物力，且效率低下，不利于大面积地块的信息获取。并且随着农艺标准的提高，对于精细农业的要求也会越来越高，通过叶色反映玉米生长状况以及缺肥种类对于精确施肥等精细农业手段有着十分重要的基础作用。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的基于无人机遥感影像提取玉米植株叶色的方法及系统。

根据本发明的一个方面，提供一种基于无人机遥感影像提取玉米植株叶色的方法，包括：

S1，获取玉米育种基地的无人机遥感影像；

S2，对所述无人机遥感影像的待分析区域进行RGB到HSI的色彩空间变换；

S3，对变换得到的HSI色彩空间影像，提取多种不同颜色类别的叶色特征集；

S4，根据所述叶色特征集建立规则集，并根据不同颜色种类的所述叶色特征集，使用决策树法对玉米叶色进行分类，得到玉米叶色分类图。

根据本发明的另一个方面，提供了一种基于无人机遥感影像提取玉米植株叶色的系统，包括：

影像获取模块，用于获取玉米育种基地的无人机遥感影像；

变换模块，用于对所述无人机遥感影像的待分析区域进行RGB到HSI的色彩空间变换；

特征集提取模块，用于对变换得到的HSI色彩空间影像，提取多种不同颜色的叶色特征集；

规则集建立模块，用于根据所述叶色特征集建立规则集；

分类模块，用于根据所述叶色特征集，使用决策树法对玉米叶色进行分类，得到玉米叶色分类图。

本发明的有益效果为：利用无人机遥感技术以及计算机图像处理技术，对玉米植株的叶色进行提取，相比现有的采用人力进行识别，自动化程度高，识别出的玉米植株叶色准确度高，该方法将在玉米田间调查和管理领域得到广泛的应用，为育种家田间生产操作提供决策支持，并为精准农业等现代农业技术手段提供了基作用。

附图说明

图1为本发明一个实施例的基于无人机遥感影像提取玉米植株叶色的方法流程图；

图2为使用决策树的方法进行玉米植株叶色分类的示意图；

图3为本发明另一个实施例的基于无人机遥感影像提取玉米植株叶色的系统框图；

图4为基于无人机遥感影像提取玉米植株叶色的整个系统框图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

参见图1，为本发明一个实施例的基于无人机遥感影像提取玉米植株叶色的方法，包括：S1，获取玉米育种基地的无人机遥感影像；S2，对所述无人机遥感影像的待分析区域进行RGB到HSI的色彩空间变换；S3，对变换得到的HSI色彩空间影像，提取多种不同颜色类别的叶色特征集；S4，根据所述叶色特征集建立规则集，并根据不同颜色类别的所述叶色特征集，使用决策树法对玉米叶色进行分类，得到玉米叶色分类图。

在本实施例的步骤S1中，采用无人机对玉米育种基地进行遥感影像的采集。具体的，采用无人机在玉米育种基地的上方拍照获取玉米育种基地的遥感影像，通过在无人机上搭载可见光相机，控制无人机在玉米育种基地上方的预设垂直高度上按照预定轨迹飞行，并定点拍照，获取玉米育种基地的整个RGB遥感影像。

上述步骤S1中采集到整个玉米育种基地的RGB遥感影像后，由于RGB颜色空间的R、G、B三分量具有较高的相关性，不易于提取分类特征，而HSI色彩空间模型是一种面向视觉感知的色彩模型，与人类颜色视觉感知比较相近，且各分量相关性较低。因此，本实施例中将玉米育种基地的无人机RGB遥感影像变换为HSI色彩空间影像。

由于RGB遥感影像的R、G、B三个分量的数据差异较大，因此，在变换之前，对RGB色彩空间影像的R、G、B三个波段进行归一化处理，使得R、G、B三个颜色值的数值范围在[0,1]之间，然后再进行色彩空间变换。

具体的，通过如下公式将RGB影像变换为HSI影像：

I＝(R+G+B)/3；

式中，R、G、B为RGB色彩空间影像的分量值，H、S、I为HSI色彩空间影像的分量值。

步骤S2将RGB遥感影像变换到HSI色彩空间影像后，对变换得到的HSI色彩空间影像，提取多种不同颜色类别的叶色特征集。其中，由于RGB色彩空间对颜色区分更明显，而HSI色彩空间对颜色的色度、饱和度和亮度区分更明显，因此，在从HSI色彩空间影像中提取多种不同颜色类别的叶色特征集时，先从RGB色彩空间影像中提取多个不同颜色类别的叶色特征集，然后根据在RGB色彩空间影像中提取的叶色特征集，在HSI色彩空间影像中选择对应像素的多个颜色类别的叶色特征集。其中，HSI色彩空间影像中的H分量表征颜色色度，作为颜色的区分更明显，因此，本实施例中将HSI色彩空间影像中的H分量的叶色特征集作为最终进行叶色分类的特征集。

步骤S3从HSI色彩空间影像中提取了多个颜色类别的叶色特征集之后，步骤S4对每一个叶色特征集的统计量进行计算，通常将平均值作为统计量，因此，本实施例中计算每一个叶色特征集的平均值，并根据叶色特征集的平均值建立规则集，即对叶色特征集的平均值进行区间的划分，其中，每一个区间与玉米植株的每一种叶色对应。然后根据叶色特征集的平均值所属区间确定该叶色特征集对应的玉米植株的叶色，进而得到玉米植株的叶色分类图。

下面以一个具体例子来说明玉米植株叶色分类的过程，在RGB色彩空间影像中选择叶色为深绿、黄绿、黄和其它四个颜色类别的叶色特征集，在HSI色彩空间影像中选择对应像素的四个颜色类别的叶色特征集，并对从HSI色彩空间影像中选择的每一个叶色特征集求取平均值，叶色特征集中的H分量的深绿颜色类别的平均值为84.9，黄绿颜色类别的平均值为75.2，黄颜色类别的平均值为49.9，其它颜色类别的平均值为34.1，可以看出特征集的H分量的平均值能够较好的区分深绿、黄绿、黄和其它四个颜色类别，S分量和I分量互有交错，区分效果不明显。

然后根据叶色特征集的平均值建立规则集，选择叶色特征集的H分量建立规则集，参见图2，比如，H分量平均值小于40或者大于90的区域为土地类别，H分量平均值大于40小于60的区域为黄色玉米植株类别，H分量平均值大于60小于80的区域为黄绿玉米植株类别，H分量平均值大于80小于90为深绿玉米植株类别。

建立了规则集后，判断每一个叶色特征集的H分量的平均值处于哪个区间，根据叶色特征集的H分量所属区间确定玉米育种基地的不同区域的玉米植株叶色，并绘制出整个玉米育种基地的不同区域的玉米植株叶色分类图。

参见图3，为本发明另一个实施例的基于无人机影像提取玉米植株叶色的系统，包括影像获取模块21、变换模块22、特征集提取模块23、规则集建立模块24和分类模块25。

影像获取模块21，用于获取玉米育种基地的无人机遥感影像；

变换模块22，用于对所述影像获取模块21或去的无人机遥感影像的待分析区域进行RGB到HSI的色彩空间变换；

特征集提取模块23，用于对变换得到的HSI影像，提取多种不同颜色的叶色特征集；

规则集建立模块24，用于根据所述特征集提取模块23提取的叶色特征集建立规则集；

分类模块25，用于根据所述叶色特征集和建立的规则集，使用决策树法对玉米叶色进行分类，得到玉米叶色分类图。

参见图4，本实施例提供的系统还包括归一化处理模块26和计算模块27。

归一化处理模块26，用于对所述无人机遥感影像的待分析区域的RGB色彩空间影像的R、G、B三个波段值进行归一化处理，使得R、G、B三个波段值均处于预设范围内。

所述规则集建立模块24具体用于：

对在HSI影像中提取的每一个叶色特征集的统计量进行区间划分，其中，每一个区间对应玉米植株的一个叶色。

计算模块27，用于对在HSI色彩空间影像中选择的每一个叶色特征集求取平均值；

所述分类模块26具体用于：

根据叶色特征集的平均值所属区间确定该叶色特征集对应的玉米植株的叶色，进而得到玉米植株的叶色分类图。

本发明提供的一种基于无人机遥感影像提取玉米植株叶色的方法及系统，利用无人机遥感技术以及计算机图像处理技术，对玉米植株的叶色进行提取，相比现有的采用人力进行识别，自动化程度高，识别出的玉米植株叶色准确度高，该方法将在玉米田间调查和管理领域得到广泛的应用，为育种家田间生产操作提供决策支持，并为精准农业等现代农业技术手段提供了基作用。

最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于无人机影像提取玉米植株叶色的方法，其特征在于，包括：

S1，获取玉米育种基地的无人机遥感影像；

S2，对所述无人机遥感影像的待分析区域进行RGB到HSI的色彩空间变换；

S3，对变换得到的HSI色彩空间影像，提取多种不同颜色类别的叶色特征集；

S4，根据所述叶色特征集建立规则集，并根据不同颜色类别的所述叶色特征集，使用决策树法对玉米叶色进行分类，得到玉米叶色分类图。

2.如权利要求1所述的基于无人机遥感影像提取玉米植株叶色的方法，其特征在于，所述步骤S2进一步包括：

S21，对所述无人机遥感影像的待分析区域的RGB色彩空间影像的R、G、B三个波段值进行归一化处理，使得R、G、B三个波段值均处于预设范围内；

S22，对归一化处理后的RGB色彩空间影像变换为HSI色彩空间影像。

3.如权利要求2所述的基于无人机遥感影像提取玉米植株叶色的方法，其特征在于，所述步骤S22中通过如下公式将RGB色彩空间影像变换为HSI色彩空间影像：

$H=\left\{\begin{array}{cc}\arccos \left\{\frac{(R-G)+(R-B)}{2\sqrt{{(R-G)}^2+(R-B)(G-B)}}\right\}& R\≠GandR\≠B\\ 2\mathrm{\π}-\arccos \left\{\frac{(R-G)+(R-B)}{2\sqrt{{(R-G)}^2+(R-B)(G-B)}}\right\}& B>G\end{array}\right.;$

$S=1-\frac{3}{(R+G+B)}min(R,G,B);$

I＝(R+G+B)/3；

式中，R、G、B为RGB色彩空间影像的分量值，H、S、I为HSI色彩空间影像的分量值。

4.如权利要求3所述的基于无人机遥感影像提取玉米植株叶色的方法，其特征在于，所述步骤S3进一步包括：

S31，在RGB色彩空间影像中提取多个不同颜色类别的叶色特征集；

S32，根据在RGB色彩空间影像中提取的叶色特征集，在HSI色彩空间影像中选择对应像素的多个颜色类别的叶色特征集。

5.如权利要求4所述的基于无人机遥感影像提取玉米植株叶色的方法，其特征在于，所述步骤S4中根据所述叶色特征集建立规则集进一步包括：

对在HSI色彩空间影像中选择的叶色特征集的统计量进行区间划分，其中，每一个区间与玉米植株的叶色一一对应。

6.如权利要求5所述的基于无人机遥感影像提取玉米植株叶色的方法，其特征在于，所述根据所述叶色特征集，使用决策树法对玉米叶色进行分类，得到玉米叶色分类图：

对在HSI色彩空间影像中选择的每一个叶色特征集计算平均值，根据叶色特征集的平均值所属区间确定该叶色特征集对应的玉米植株的叶色，进而得到玉米植株的叶色分类图。

7.一种基于无人机遥感影像提取玉米植株叶色的系统，其特征在于，包括：

影像获取模块，用于获取玉米育种基地的无人机遥感影像；

变换模块，用于对所述无人机遥感影像的待分析区域进行RGB到HSI的色彩空间变换；

特征集提取模块，用于对变换得到的HSI影像，提取多种不同颜色的叶色特征集；

规则集建立模块，用于根据所述叶色特征集建立规则集；

分类模块，用于根据所述叶色特征集，使用决策树法对玉米叶色进行分类，得到玉米叶色分类图。

8.如权利要求7所述的基于无人机遥感影像提取玉米植株叶色的系统，其特征在于，害包括：

归一化处理模块，用于对所述无人机遥感影像的待分析区域的RGB色彩空间影像的R、G、B三个波段值进行归一化处理，使得R、G、B三个波段值均处于预设范围内。

9.如权利要求8所述的基于无人机遥感影像提取玉米植株叶色的系统，其特征在于，所述规则集建立模块具体用于：

对在HSI影像中提取的每一个叶色特征集的统计量进行区间划分，其中，每一个区间对应玉米植株的一个叶色。

10.如权利要求9所述的基于无人机烟感影像提取玉米植株叶色的系统，其特征在于，还包括：

计算模块，用于对在HSI色彩空间影像中选择的每一个叶色特征集求取平均值；

所述分类模块具体用于：

根据叶色特征集的平均值所属区间确定该叶色特征集对应的玉米植株的叶色，进而得到玉米植株的叶色分类图。