CN107610066A - 一种叶面积指数测量方法 - Google Patents
一种叶面积指数测量方法 Download PDFInfo
- Publication number
- CN107610066A CN107610066A CN201710860952.4A CN201710860952A CN107610066A CN 107610066 A CN107610066 A CN 107610066A CN 201710860952 A CN201710860952 A CN 201710860952A CN 107610066 A CN107610066 A CN 107610066A
- Authority
- CN
- China
- Prior art keywords
- image
- imaging region
- mrow
- gray
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003384 imaging method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000000205 computational method Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 1
- 208000033749 Small cell carcinoma of the bladder Diseases 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000008409 marco Nutrition 0.000 description 1
- 244000078446 marco Species 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 201000007710 urinary bladder small cell neuroendocrine carcinoma Diseases 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种叶面积指数测量方法，采用鱼眼摄像头拍摄得到冠层图像，提取出57.5度环及以内的图像作为成像区域，采用成像区域中各像素点的蓝色分量值对成像区域图像进行灰度化，得到成像区域灰度图像，根据成像区域灰度图像的直方图确定最优二值化阈值，对成像区域灰度图像二值化得到成像区域二值化图像并去噪，根据去噪后的成像区域二值化图像计算叶面积指数。本发明基于直方图寻找最优二值化阈值，可以更为准确地划分天空背景和叶片，使得到的叶面积指数更加准确。
Description
技术领域
本发明属于叶面积指数测量技术领域，更为具体地讲，涉及一种叶面积指数测量方法。
背景技术
植被是陆表生态系统的重要组成成分，而叶片则是植被与外界进行相互作用的一个重要器官，叶面积指数作为作物群体结构重要的特征参数，能够定量描述植被进行光合作用、呼吸作用、蒸腾作用，在环境、气候、生态、农业等领域被广泛应用，其定义为单位地表面积上植被冠层叶面积的一半。
对于叶面积指数的测量方法，可分为直接测量和间接测量。直接测量的方式是直接针对叶片的表面积进行测量，测量结果的可靠性可以保障，但是测量的时间代价和成本代价往往较高。间接测量与直接测量不同，间接测量并不直接关注叶片本身的面积长宽数据，而是通过测量与叶片相关的其他参数来推断出叶片的面积。
间接测量目前有5种方法，分别是点接触法、消光系数法、经验公式法、遥感图像法、光学仪器法。其中光学仪器法包括基于图像测量法和辐射测量法两种。
在基于冠层图像的图像测量法中，冠层图像的处理是算法的关键。现有算法中在对冠层图像进行二值化时，其二值化阈值为经验值，存在较大主观因素，可能将天空叶片像元误判，二值化效果不理想，影响最终叶面积指数的准确性。
发明内容
本发明的目的在于克服现有技术的不足，提供一种叶面积指数测量方法，基于直方图确定最优二值化阈值，提高二值化的准确度，使得到的叶面积指数更加准确。
为实现上述发明目的，本发明叶面积指数测量方法包括以下步骤：
S1：采用鱼眼摄像头拍摄得到冠层图像；
S2：提取出57.5度环及以内的图像作为成像区域，其余非成像区域的像素设置为透明点；
S3：采用成像区域中各像素点的蓝色分量值对成像区域图像进行灰度化，得到成像区域灰度图像，灰度化公式表示如下：
Gray＝B
其中，Gray表示该像素点灰度化后的灰度值，B表示该像素点的蓝色分量；
S4：绘制成像区域灰度图像的直方图，搜索得到直方图的波谷，求取波谷处灰度值及波谷处之前K个灰度值和波谷处之后K个灰度值所涵盖的所有像素点的平均灰度值M，如果该平均值M小于预设阈值则将平均值M作为二值化阈值T，否则搜索得到直方图最后一个波峰，求取该波峰灰度值到灰度值最大值所涵盖的所有像素点的平均灰度值作为二值化阈值T；
S5：将成像区域灰度图像中像素值大于等于阈值T的灰度值设置为1，归为天空背景；将图像中像素值小于阈值T的灰度值设置为0，归为叶片，得到成像区域二值化图像；
S6：采用去噪算法去除成像区域二值化图像中的噪声；
S7：根据去噪后的成像区域二值化图像计算叶面积指数。
本发明叶面积指数测量方法，采用鱼眼摄像头拍摄得到冠层图像，提取出57.5度环及以内的图像作为成像区域，采用成像区域中各像素点的蓝色分量值对成像区域图像进行灰度化，得到成像区域灰度图像，根据成像区域灰度图像的直方图确定最优二值化阈值，对成像区域灰度图像二值化得到成像区域二值化图像并去噪，根据去噪后的成像区域二值化图像计算叶面积指数。
本发明具有以下技术效果：
(1)本发明通过提取57.5度环得到成像区域，然后采用蓝色分量进行成像区域的灰度化，可以降低光线、地形等造成的影响，同时也解决了拍摄图像有部分缺失数据不能使用单角度法估算叶面积指数的问题；
(2)本发明基于直方图寻找最优二值化阈值，相较于传统二值化方法，可以更为准确地划分天空背景和叶片，使得到的叶面积指数更加准确。
附图说明
图1是本发明叶面积指数测量方法的具体实施方式流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明叶面积指数测量方法的具体实施方式流程图。如图1所示，本发明叶面积指数测量方法的具体步骤包括：
S101：冠层图像拍摄：
采用鱼眼摄像头拍摄得到冠层图像。在拍摄时，应避免太阳光直射进入镜头。
本实施例中，鱼眼摄像头采用OV2640摄像头，该摄像头是OmniVision公司生产的一颗1/4寸的CMOS UXGA(1632*1232)图像传感器，可提供单片UXGA摄像头和影像处理器的所有功能。通过SCCB总线控制，可以输出整帧、子采样、缩放和取窗口等方式的各种分辨率8/10位影像数据。其中UXGA最高15帧/秒。
S102：提取成像区域：
提取出57.5度环及以内的图像作为成像区域，即将获取的冠层图像分割为18个同心圆，从外向内数第7个圆环及以内的像素即为成像区域，其余非成像区域的像素设置为透明点。
S103：成像区域灰度化：
采用成像区域中各像素点的蓝色分量值对成像区域图像进行灰度化，得到成像区域灰度图像，灰度化公式表示如下：
Gray＝B
其中，Gray表示该像素点灰度化后的灰度值，B表示该像素点的蓝色分量。
本发明中，之所以采用蓝色分量进行灰度化，是因为叶子的吸收光谱在蓝色波段吸光能力较强，蓝光通过叶片后光强有较大的损失，可以增加照片对比度，有利于准确将照片中的叶子和天空分割开来，从而提高测量精度。
S104：基于直方图确定最优二值化阈值：
绘制成像区域灰度图像的直方图，搜索得到直方图的波谷，求取波谷处灰度值及波谷处之前K个灰度值和波谷处之后K个灰度值所涵盖的所有像素点的平均灰度值M，如果该平均值M小于预设阈值则将平均值M作为二值化阈值T，否则搜索得到直方图最后一个波峰，求取该波峰灰度值到灰度值最大值(即255)所涵盖的所有像素点的平均灰度值作为二值化阈值T。
本发明发现，在叶面积指数较大的情况下，由于鱼眼摄像头白平衡等原因，会自动增加曝光度和感光度，如果直接采用波谷处的平均灰度值作为二值化阈值，则该二值化阈值达到一定程度后无法继续增加，从而导致大量叶子错误分割为天空。因此本发明引入阈值以解决此问题，阈值的具体大小是根据实验得到的经验值。
S105：成像区域二值化：
将成像区域灰度图像中像素值大于等于阈值T的灰度值设置为1，归为天空背景；将图像中像素值小于阈值T的灰度值设置为0，归为叶片，得到成像区域二值化图像。二值化公式表示如下：
其中，BlackWhite(x,y)表示成像区域二值化图像中坐标(x,y)处的像素值，Gray(x,y)表示成像区域灰度图像中坐标(x,y)处的灰度值。
S106：成像区域二值化图像去噪：
在冠层图像处理过程中，很容易引入噪声，因此采用去噪算法去除成像区域二值化图像中的噪声。经过研究发现，引入噪声中主要为椒盐噪声，而中值滤波去除这种噪声的效果比较明显，因此本实施例中采用中值滤波算法，以去除成像区域二值化图像中的椒盐噪声。中值滤波的基本思想是，对于一幅数字图像，将其中一点的值等同于它周边各个点值的中值，以使它邻域的像素值靠近真实值，以此达到消除孤立噪声点的效果。
S107：计算叶面积指数：
接下来根据去噪后的成像区域二值化图像计算叶面积指数，其具体方法为：
在成像区域二值化图像中提取出57.5度这一环的图像，统计其中黑白像素的数量，计算冠层孔隙度：
其中，T(θ)表示在视角θ下的冠层孔隙度，Nb(θ)表示在视角θ下背景的像素个数，Nl(θ)表示在视角θ下叶片的像素个数，本发明中θ＝57.5°。
计算叶面积指数LAI：
其中，T(57.5°)表示视角57.5度下的冠层孔隙度。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
Claims (3)
1.一种叶面积指数测量方法，其特征在于，包括以下步骤：
S1：采用鱼眼摄像头拍摄得到冠层图像；
S2：提取出57.5度环及以内的图像作为成像区域，其余非成像区域的像素设置为透明点；
S3：采用成像区域中各像素点的绿色分量值对成像区域图像进行灰度化，得到成像区域灰度图像，灰度化公式表示如下：
Gray＝B
其中，Gray表示该像素点灰度化后的灰度值，B表示该像素点的蓝色分量；
S4：绘制成像区域灰度图像的直方图，搜索得到直方图的波谷，求取波谷处灰度值及波谷处之前K个灰度值和波谷处之后K个灰度值所涵盖的所有像素点的平均灰度值M，如果该平均值M小于预设阈值则将平均值M作为二值化阈值T，否则搜索得到直方图最后一个波峰，求取该波峰灰度值到灰度值最大值所涵盖的所有像素点的平均灰度值作为二值化阈值T；
S5：将成像区域灰度图像中像素值大于等于阈值T的灰度值设置为1，归为天空背景；将图像中像素值小于阈值T的灰度值设置为0，归为叶片，得到成像区域二值化图像；
S6：采用去噪算法去除对成像区域二值化图像中的噪声；
S7：根据去噪后的成像区域二值化图像计算叶面积指数。
2.根据权利要求1所述的叶面积指数测量方法，其特征在于，所述步骤S6中去噪算法采用中值滤波算法。
3.根据权利要求1所述的叶面积指数测量方法，其特征在于，所述步骤S7中叶面积指数的计算方法为：
在成像区域二值化图像中提取出57.5度这一环的图像，统计其中黑白像素的数量，计算冠层孔隙度：
<mrow>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>N</mi>
<mi>b</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>N</mi>
<mi>b</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>N</mi>
<mi>l</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中，T(θ)表示在视角θ下的冠层孔隙度，Nb(θ)表示在视角θ下背景的像素个数，Nl(θ)表示在视角θ下叶片的像素个数，θ＝57.5°。
计算叶面积指数LAI：
其中，T(57.5°)表示视角57.5度下的冠层孔隙度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710860952.4A CN107610066B (zh) | 2017-09-21 | 2017-09-21 | 一种叶面积指数测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710860952.4A CN107610066B (zh) | 2017-09-21 | 2017-09-21 | 一种叶面积指数测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107610066A true CN107610066A (zh) | 2018-01-19 |
| CN107610066B CN107610066B (zh) | 2020-03-24 |
Family
ID=61060662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710860952.4A Expired - Fee Related CN107610066B (zh) | 2017-09-21 | 2017-09-21 | 一种叶面积指数测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107610066B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109859231A (zh) * | 2019-01-17 | 2019-06-07 | 电子科技大学 | 一种基于光学图像的叶面积指数提取阈值分割方法 |
| CN110288594A (zh) * | 2019-07-02 | 2019-09-27 | 河北农业大学 | 一种植物冠层结构性状分析方法 |
| CN111798509A (zh) * | 2020-06-22 | 2020-10-20 | 电子科技大学 | 一种基于半球图像法测量叶面积指数的方法 |
| CN113256567A (zh) * | 2021-05-08 | 2021-08-13 | 中国农业大学 | 香蕉叶面积指数检测方法及系统 |
| CN114155241A (zh) * | 2022-01-28 | 2022-03-08 | 浙江华睿科技股份有限公司 | 一种异物检测方法、装置及电子设备 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101330823A (zh) * | 2005-12-15 | 2008-12-24 | 国立大学法人山口大学 | 评价树体生长能力的方法、用于评价树体生长能力的拍摄装置及用于评价树体生长能力的程序 |
| CN101839732A (zh) * | 2010-03-26 | 2010-09-22 | 北京师范大学 | 一种基于无线传感器网络的植被结构参数测量装置 |
| CN102331244A (zh) * | 2011-08-10 | 2012-01-25 | 浙江大学 | 利用普通数码相机获取水稻冠层叶面积指数的方法 |
| CN102538717A (zh) * | 2010-12-30 | 2012-07-04 | 北京师范大学 | 叶面积指数自动观测系统及其方法 |
| CN203534633U (zh) * | 2013-10-16 | 2014-04-09 | 西北农林科技大学 | 农田冠层温湿度信息自动采集系统 |
| CN104089590A (zh) * | 2014-06-09 | 2014-10-08 | 北京师范大学 | 一种获取植被冠层结构参数的自动测量装置 |
| CN105004327A (zh) * | 2015-07-09 | 2015-10-28 | 北京师范大学 | 一种基于智能终端的植被叶面积指数信息自动测量系统 |
| CN105509658A (zh) * | 2015-11-26 | 2016-04-20 | 河南中原光电测控技术有限公司 | 一种叶面积指数检测方法 |
| CN106123811A (zh) * | 2016-07-11 | 2016-11-16 | 东北林业大学 | 一种林木叶面积指数远程监测装置及其测量方法 |
| CN106482673A (zh) * | 2016-08-27 | 2017-03-08 | 中国农业科学院草原研究所 | 多角度草地植被叶面积指数观测方法及仪器 |
| CN106770289A (zh) * | 2016-12-09 | 2017-05-31 | 东华大学 | 一种用于分布式叶面积指数半球图像采集的节点 |
-
2017
- 2017-09-21 CN CN201710860952.4A patent/CN107610066B/zh not_active Expired - Fee Related
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101330823A (zh) * | 2005-12-15 | 2008-12-24 | 国立大学法人山口大学 | 评价树体生长能力的方法、用于评价树体生长能力的拍摄装置及用于评价树体生长能力的程序 |
| CN101839732A (zh) * | 2010-03-26 | 2010-09-22 | 北京师范大学 | 一种基于无线传感器网络的植被结构参数测量装置 |
| CN102538717A (zh) * | 2010-12-30 | 2012-07-04 | 北京师范大学 | 叶面积指数自动观测系统及其方法 |
| CN102331244A (zh) * | 2011-08-10 | 2012-01-25 | 浙江大学 | 利用普通数码相机获取水稻冠层叶面积指数的方法 |
| CN203534633U (zh) * | 2013-10-16 | 2014-04-09 | 西北农林科技大学 | 农田冠层温湿度信息自动采集系统 |
| CN104089590A (zh) * | 2014-06-09 | 2014-10-08 | 北京师范大学 | 一种获取植被冠层结构参数的自动测量装置 |
| CN105004327A (zh) * | 2015-07-09 | 2015-10-28 | 北京师范大学 | 一种基于智能终端的植被叶面积指数信息自动测量系统 |
| CN105509658A (zh) * | 2015-11-26 | 2016-04-20 | 河南中原光电测控技术有限公司 | 一种叶面积指数检测方法 |
| CN106123811A (zh) * | 2016-07-11 | 2016-11-16 | 东北林业大学 | 一种林木叶面积指数远程监测装置及其测量方法 |
| CN106482673A (zh) * | 2016-08-27 | 2017-03-08 | 中国农业科学院草原研究所 | 多角度草地植被叶面积指数观测方法及仪器 |
| CN106770289A (zh) * | 2016-12-09 | 2017-05-31 | 东华大学 | 一种用于分布式叶面积指数半球图像采集的节点 |
Non-Patent Citations (3)
| Title |
|---|
| 曾琦云: "面向环境监测的视频无线传感器网络应用层系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王永皎 等: "基于图像处理的植物叶面积测量方法", 《计算机工程》 * |
| 贾爱莲 等: "基于Matlab的植物叶面积数字摄影图像处理", 《山西农业大学学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109859231A (zh) * | 2019-01-17 | 2019-06-07 | 电子科技大学 | 一种基于光学图像的叶面积指数提取阈值分割方法 |
| CN110288594A (zh) * | 2019-07-02 | 2019-09-27 | 河北农业大学 | 一种植物冠层结构性状分析方法 |
| CN110288594B (zh) * | 2019-07-02 | 2021-06-04 | 河北农业大学 | 一种植物冠层结构性状分析方法 |
| CN111798509A (zh) * | 2020-06-22 | 2020-10-20 | 电子科技大学 | 一种基于半球图像法测量叶面积指数的方法 |
| CN113256567A (zh) * | 2021-05-08 | 2021-08-13 | 中国农业大学 | 香蕉叶面积指数检测方法及系统 |
| CN113256567B (zh) * | 2021-05-08 | 2023-09-22 | 中国农业大学 | 香蕉叶面积指数检测方法及系统 |
| CN114155241A (zh) * | 2022-01-28 | 2022-03-08 | 浙江华睿科技股份有限公司 | 一种异物检测方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107610066B (zh) | 2020-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107610066A (zh) | 一种叶面积指数测量方法 | |
| CN106896069B (zh) | 一种基于彩色数码相机单幅rgb图像的光谱重建方法 | |
| CN109859231A (zh) | 一种基于光学图像的叶面积指数提取阈值分割方法 | |
| CN102750701B (zh) | 针对Landsat TM和ETM图像的厚云及其阴影检测方法 | |
| CN107798652A (zh) | 图像处理方法、装置、可读存储介质和电子设备 | |
| CN107424198A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| CN107991245B (zh) | 一种作物光谱信息采集装置及作物植被指数获取方法 | |
| CN106960428A (zh) | 可见光和红外双波段图像融合增强方法 | |
| CN109507192A (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
| CN102647941A (zh) | 用于执行光电容积描记的方法和系统 | |
| Liu et al. | A review of turbidity detection based on computer vision | |
| CN111062293B (zh) | 一种基于深度学习的无人机森林火焰识别方法 | |
| CN113888540B (zh) | 一种用于人脸皮肤成分图像的分离方法和系统 | |
| CN117115077B (zh) | 一种湖泊蓝藻水华检测方法 | |
| CN104849220A (zh) | 一种平面式文物光谱图像获取方法 | |
| CN104200457A (zh) | 基于广角摄像的离散型冠层叶面积指数检测系统和方法 | |
| CN107317967A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| CN110455201A (zh) | 基于机器视觉的茎秆作物高度测量方法 | |
| CN114586066A (zh) | 图像处理装置、图像处理方法和图像处理程序 | |
| CN116630148A (zh) | 光谱图像处理方法、装置、电子设备及存储介质 | |
| Deluxni et al. | A Scrutiny on Image Enhancement and Restoration Techniques for Underwater Optical Imaging Applications | |
| Wang et al. | A novel low rank smooth flat-field correction algorithm for hyperspectral microscopy imaging | |
| CN111060455A (zh) | 面向东北冷凉区的遥感图像作物标记方法和装置 | |
| An et al. | Estimation of chlorophyll distribution in banana canopy based on RGB-NIR image correction for uneven illumination | |
| CN107392870A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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 |
Granted publication date: 20200324 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |