CN107767364A - 基于红外热图像精准提取树木冠层温度的方法 - Google Patents
基于红外热图像精准提取树木冠层温度的方法 Download PDFInfo
- Publication number
- CN107767364A CN107767364A CN201710819206.0A CN201710819206A CN107767364A CN 107767364 A CN107767364 A CN 107767364A CN 201710819206 A CN201710819206 A CN 201710819206A CN 107767364 A CN107767364 A CN 107767364A
- Authority
- CN
- China
- Prior art keywords
- pixel
- extracted
- thermal
- image
- trees
- 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
Landscapes
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于红外热图像精准提取树木冠层温度的方法,包括:检测并获取待检测树木的红外热图像数据;提取所述红外热图像数据中包含的所有像素点温度值;根据所述像素点温度值,将红外热图像由彩色图像转换为灰度图像;根据树木冠层结构特点,采用相应的区域形状确定不规则树木冠层的区域范围;在树木冠层的区域范围内,根据灰度图像中的灰度值,提取相应数量的像素点,得到树木冠层温度的分布状态。这样不仅能够降低冗余数据尤其是土壤背景的干扰,而且提取出的像素点能够准确反映树木冠层温度。因此,本申请所述基于红外热图像精准提取树木冠层温度的方法能够准确提取树木冠层温度。
Description
技术领域
本发明涉及树木冠层温度提取相关技术领域,特指一种基于红外热图像精准提取树木冠层温度的方法。
背景技术
自1963年起,科学家就开始通过植物冠层温度来研究和监测植物的生长发育情况。与此同时,红外技术的迅猛发展使得冠层温度的测量逐步由红外温度计替代了原有的单点、小范围、短周期的热电偶测温技术。此后,随着对空间和时间分辨率的要求,后续又产生了普适性更强的热红外成像系统,实现了高分辨率、长期、连续的监测要求。由于农作物栽植密度大,而且生长可以形成均一化程度较高的连续冠层,不受背景条件的影响,所以对于农作物红外热图像信息的提取比较简单,使得该技术在国内外农业上的应用已经比较成熟,其多用于监测作物水分亏缺状况并指导灌溉。但是,由于果树的栽植密度稀疏,行间距较大,加上人为整枝会形成不规则的冠层,且冠层结构中存在诸多大小不一的空隙,会受到地面土壤背景的干扰,因此,实现果树冠层温度的精准提取相对困难。国外利用红外热像系统提取树木冠层温度的研究大多集中在经济林树种上,如苹果、桃、葡萄和橄榄,也有极少涉及到阔叶树种,如红橡木和红花槭。而国内在林木方面的相关研究仅限于苹果树的水分胁迫诊断、模型预测以及果实品质检验的研究。目前,国内外对单株林木尺度上的冠层温度精准提取并没有详细阐述,基本上都是选取局部来代替整个冠层温度,或者人为设定温度阈值来粗略提取冠层温度,存在较大误差。
因此,在实现本申请的过程中,发明人发现现有技术至少存在以下问题:当前针对于树木冠层温度的提取精度不高、误差较大。
发明内容
针对现有技术存在的问题,本发明的目的在于提出一种基于红外热图像精准提取树木冠层温度的方法,能够精准提取树木冠层温度。从而为后续研究树木冠层温度与其生理生化指标的关系和实现无损实时诊断树木水分亏缺状况,以及科学的灌溉策略制定奠定了重要的理论基础。
基于上述目的本发明提供的一种基于红外热图像精准提取树木冠层温度的方法,包括:
检测并获取待检测树木的红外热图像数据;
提取所述红外热图像数据中包含的所有像素点温度值;
根据所述像素点温度值,将红外热图像由彩色图像转换为灰度图像;
根据树木冠层结构特点,采用相应的区域形状确定不规则树木冠层的区域范围;
在树木冠层的区域范围内,根据灰度图像中的灰度值,提取相应数量的像素点,得到树木冠层温度的分布状态。
可选的,根据所述像素点温度值,将红外热图像由彩色图像转换为灰度图像的步骤还包括:根据像素点的温度值,采用温度插值法进行数据处理并生成相应的灰度图像。
可选的,所述相应的区域形状为椭圆形或者圆形。
可选的,所述根据灰度图像中的灰度值,提取相应数量的像素点的步骤还包括:利用滑动平均法、Filter滤波-无权重、Filter滤波-中心法三种数值滤波方法并且结合变异系数法提取得到最适宜的像素点个数。
可选的,所述利用滑动平均法、Filter滤波-无权重、Filter滤波-中心法三种数值滤波方法并且结合变异系数法提取得到最适宜的像素点个数的步骤还包括:
分别构建灰度值与像素点个数、温度值的关系,得到像素点个数与温度值的关系;
根据像素点个数与温度值的关系,确定像素点个数与温度值呈现线性关系所对应的灰度值区域;
在灰度值区域范围内提取像素点并且计算得到像素点个数的变异系数;
通过滑动平均法、Filter滤波-无权重、Filter滤波-中心法对变异系数进行数据滤波处理,计算得到临界灰度值;
根据临界灰度值确定像素点的取值范围,得到最适宜的像素点个数。
可选的,得到树木冠层温度的分布状态步骤之后还包括:
利用图像分割方法,将图像分割为多个相互独立的子区域;
分别提取每个子区域中的像素点个数以及整体图像中的像素点个数;
将子区域所提取的像素点个数进行累加并且与整体所提取的像素点个数相比较,得到像素提取可靠性的验证结果。
可选的,所述将子区域所提取的像素点个数进行累加并且与整体所提取的像素点个数相比较的步骤还包括:
将整体提取的图像和图像分割后提取的图像相叠加,得到两个图像中像素点的差异;
根据像素点的差异确定像素提取的可靠性。
从上面所述可以看出,本申请提供的基于红外热图像精准提取树木冠层温度的方法通过将相应的红外彩色温度图像转化为灰度温度图像并且利用相应的区域形状确定出不规则树木冠层的准确范围,这样既可以确定树木冠层涵盖的范围,而且能够大大降低冗余数据的干扰,尤其是能够排除土壤等背景环境的干扰。此外,本申请还通过灰度图像中的灰度值,提取出最适宜的像素点个数,不仅进一步剔除土壤等背景的影响,而且提取出的最适像素点能够准确反映树木冠层温度。因此,所述基于红外热图像精准提取树木冠层温度的方法能够准确提取树木冠层温度。
附图说明
图1为本发明提供的基于红外热图像精准提取树木冠层温度的方法的一个实施例的流程图;
图2为本发明提供的树木冠层温度提取的验证方法的实施例的流程图;
图3为本发明提供的红外热图像数据对应的温度分布示意图;
图4为本发明提供的从红外热图像数据中提取出的像素点温度值;
图5为本发明提供的红外热图像数据对应的灰度图像;
图6为本发明提供的利用椭圆形确定树木冠层区域范围对应的示意图;
图7为本发明提供的利用椭圆形确定树木冠层区域范围对应的灰度图;
图8为本发明提供的一种灰度值与像素点数关系示意图;
图9为本发明提供的灰度值与温度关系示意图;
图10为本发明提供的温度与像素个数关系示意图;
图11为本发明提供的像素个数与温度关系示意图;
图12为本发明提供的另一种灰度值与像素点数关系示意图;
图13为本发明提供的灰度值为40时提取的像素点示意图;
图14为本发明提供的灰度值为60时提取的像素点示意图;
图15为本发明提供的灰度值为110时提取的像素点示意图;
图16为本发明提供的灰度值与变异系数的关系示意图;
图17为本发明提供的利用滑动平均法进行滤波处理的示意图;
图18为本发明提供的利用Filter滤波-无权重进行滤波处理的示意图;
图19为本发明提供的利用Filter滤波-中心法进行滤波处理的示意图;
图20为本发明提供的图16-19的叠加显示效果图;
图21为本发明提供的选取最适像素点数对应的示意图;
图22为本发明提供的第一子区域提取像素点对应的示意图;
图23为本发明提供的第二子区域提取像素点对应的示意图;
图24为本发明提供的第三子区域提取像素点对应的示意图;
图25为本发明提供的第四子区域提取像素点对应的示意图;
图26为本发明提供的第五子区域提取像素点对应的示意图;
图27为本发明提供的第六子区域提取像素点对应的示意图;
图28为本发明提供的子区域图像与整体图像叠加示意图;
图29为本发明提供的图28方框中的局部放大示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例中对此不再一一说明。
针对当前树木冠层温度提取准确性不高的问题,本申请首先利用红外热像仪采集目标区域的图像信息,然后通过分类的手段,有效消除非目标区域,例如土壤等环境因素的干扰,精准的提取出目标区域,也即树木冠层的温度信息,从而实现对不规则树木冠层温度信息的准确获取。
参照图1所示,为本发明提供的基于红外热图像精准提取树木冠层温度的方法的一个实施例的流程图。所述基于红外热图像精准提取树木冠层温度的方法,包括:
步骤101,检测并获取待检测树木的红外热图像数据;其中,通常在植物生长季节,例如4-9月份,通过红外热像仪连续24小时对目标树木进行监控,每隔1小时传回一张图像,形成海量图像数据;参照图3所示,为本申请一个实施例中针对核桃树采集的红外图像信息。
步骤102,提取所述红外热图像数据中包含的所有像素点温度值;具体的,采用FLIR tools软件生成图像的所有像素点温度值文件,可以生成一个excel温度数据表格,参见图4所示,可以将图像信息数据化。
步骤103,根据所述像素点温度值,将红外热图像由彩色图像转换为灰度图像;其中,可选的采用matlab软件将红外温度的真彩色图像(24bit)转换为温度灰度图像(8bit),对应了256个灰度级别;可选的,采用温度插值法进行数据处理并生成相应的灰度图像。参照图5所示,生成温度灰度图像,能够除去原始图像上的logo以及温度条等非必要信息。
步骤104,根据树木冠层结构特点,采用相应的区域形状确定不规则树木冠层的区域范围;可选的,所述相应的区域形状为椭圆形或者圆形。利用多个椭圆形或圆形涵盖不规则树木冠层的区域范围,使得所涵盖的区域内,非目标干扰降至最低,也即目标区域与非目标区域像素点个数之比达到最大。参照图6所示,为针对原始红外图像且利用椭圆形确定树木冠层区域范围对应的示意图;图7为利用椭圆形确定树木冠层区域范围对应的灰度图。本申请基于树木冠层是属于不规则形状,考虑到精准提取,应该将非目标区域尽可能减少到最小,以最大限度的排除干扰,所涵盖的范围里,应尽量让目标区域与非目标区域像素点个数之比达到最大。同时考虑树木枝条的形状与椭圆形相似,航拍所得到的树体冠层也接近椭圆形。综合上述分析,本申请优选采用椭圆形来确定树木冠层范围是非常合适的。
步骤105,在树木冠层的区域范围内,根据灰度图像中的灰度值,提取相应数量的像素点,得到树木冠层温度的分布状态。
进一步,根据灰度图像中的灰度值,提取相应数量的像素点的步骤还包括:利用滑动平均法、Filter滤波-无权重、Filter滤波-中心法三种数值滤波方法并且结合变异系数法提取得到最适宜的像素点个数。具体包括:
步骤1051,分别构建灰度值与像素点个数、温度值的关系,得到像素点个数与温度值的关系;参照图8-图11所示,分别为构建的灰度值与像素点数、灰度值与温度、温度与像素个数、像素个数与温度的关系示意图。
步骤1052,根据像素点个数与温度值的关系,确定像素点个数与温度值呈现线性关系所对应的灰度值区域;根据步骤1051中的像素点个数与温度之间的关系,参照图12所示,发现灰度值在40-220之间两者基本呈现线性关系,所以在红外热图像上提取灰度值40-220之间的像素点,并用绿色在灰度图像上分别标注了灰度值为40、60、110时,所提取到的像素点,对应的附图分别为图13、图14和图15。
步骤1053,在灰度值区域范围内提取像素点并且计算得到像素点个数的变异系数;参照图16所示,为本申请计算得到的变异系数与灰度值之间的关系示意图。由图可知,变异系数中存在一定的波动干扰数据。
步骤1054,通过滑动平均法、Filter滤波-无权重、Filter滤波-中心法对变异系数进行数据滤波处理,计算得到临界灰度值;
步骤1055,根据临界灰度值确定像素点的取值范围,得到最适宜的像素点个数。其中,根据统计学原理,通常认为变异系数小于1%时,数据之间波动极小,数据相对稳定,像素点个数之间的一致性达到了极显著水平,所以根据三种滤波结果计算出临界灰度值分别为81、89、86。因此,通过灰度值81和89计算得到像素点的取值范围在12000~13000个之间,与全部像素点17605个相比,占比为68~74%。本实施例中,热红外图像的最适宜像素点个数为12000到13000个,比较完美的剔除了背景土壤的影响,能够很好的反映植物冠层温度,参照图21所示,本发明提供的选取最适像素点数对应的示意图。
参照图17所示,为本发明提供的利用滑动平均法进行滤波处理的示意图;图18为本发明提供的利用Filter滤波-无权重进行滤波处理的示意图;图19为本发明提供的利用Filter滤波-中心法进行滤波处理的示意图;图20为本发明提供的图16-19的叠加显示效果图;
也即,本申请主要根据灰度值,对不规则树木冠层区域进行不同像素点的提取,利用3种数字滤波方法并结合变异系数法来确定树木冠层精准提取所需的最适宜像素点个数,其能够准确反映不规则树木冠层温度,并能很好的排除背景土壤等的干扰,使得提取得到的温度信息更加准确可靠。
参照图2所示,为本发明提供的树木冠层温度提取的验证方法的实施例的流程图。本申请还通过图像分割比较来验证上述树木冠层温度提取方法是否可靠准确。具体的,验证方法包括:
步骤106,利用图像分割方法,将图像分割为多个相互独立的子区域;
步骤107,分别提取每个子区域中的像素点个数以及整体图像中的像素点个数;
步骤108,将子区域所提取的像素点个数进行累加并且与整体所提取的像素点个数相比较,得到像素提取可靠性的验证结果。
可选的,所述将子区域所提取的像素点个数进行累加并且与整体所提取的像素点个数相比较的步骤还包括:
步骤1081,将整体提取的图像和图像分割后提取的图像相叠加,得到两个图像中像素点的差异;
步骤1082,根据像素点的差异确定像素提取的可靠性。
也即,本实施例利用图像分割方法,通过分割后碎片子区域所提取的最适像素点个数的累加与整体所提取的最适宜像素点个数相比较,在不同空间尺度上对该方法进行验证,结果表明该方法具有很好的可靠性。因此,基于热红外图像精准提取树木冠层温度的研究将为进一步探讨植物冠层温度与植物生理特性和生态环境之间关系奠定重要的理论基础。
具体的,在一些可选的实施例中,本申请借鉴数学上积分的原理,认为圆或不规则曲面的面积是一系列扇形或矩形面积的累积。由此,本申请考虑在验证该提取方法的准确定性上采用图像分割方法,将整个目标区域范围细化成若干个小的区域范围。用椭圆形将全部目标树木冠层划分成为6个独立的区域,并分别对6个区域进行最适宜像素点提取,最终将6个区域的最适宜像素点累加之和与整个目标区域所提取的最适像素点个数进行对比,从而来验证该方法的稳定性和准确性。并改用红色对图像分割后各区域所提取的最适像素点进行标记,参照图22-图27所示,分别为六个子区域像素点提取对应的示意图。
然后,将整体提取和图像分割后提取两种图像相叠加,能够清晰看出分割前后最适像素点的差异,参照图28和图29所示;其中,图29为图28中方框内的局部放大示意图。最终,分割法计算出来的6个目标区域最适宜的像素点个数累加之和的范围在12027~13312个,与整体区域提取出来的最适宜像素点个数之差的比值基本稳定在1%左右。因此,验证结果表明,该方法在精准提取树木冠层温度上的稳定性很好。
由上述实施例可知,所述基于红外热图像精准提取树木冠层温度的方法通过将相应的红外彩色图像转化为灰度图像并且利用相应的区域形状确定出树木冠层的准确范围,这样既可以确定树木冠层涵盖的范围,而且能够大大降低其余数据的干扰,尤其是能够排除土壤等背景环境的干扰。此外,本申请还通过灰度图像中的灰度值,提取出最适宜的像素点个数,不仅进一步剔除土壤等背景的影响,而且提取出的像素点能够准确反映树木冠层温度。因此,所述基于红外热图像精准提取树木冠层温度的方法能够准确提取树木冠层温度。
需要说明的是,本申请所述基于红外热图像精准提取树木冠层温度的方法至少包括以下优点:(1)利用多个椭圆形涵盖不规则树木冠层,使得所涵盖的范围里,非目标干扰降至最低,目标区域与非目标区域像素点个数之比达到最大;(2)将三种数字滤波方法与变异系数法相结合,来确定树木冠层精准提取所需的最适宜像素点个数;(3)能够有效消除土壤背景的干扰,实现了树木冠层温度的精准提取。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明扼要没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本发明难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本发明难以理解,同时也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本发明的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、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 (7)
1.一种基于红外热图像精准提取树木冠层温度的方法,其特征在于,包括:
检测并获取待检测树木的红外热图像数据;
提取所述红外热图像数据中包含的所有像素点温度值;
根据所述像素点温度值,将红外热图像由彩色图像转换为灰度图像;
根据树木冠层结构特点,采用相应的区域形状确定不规则树木冠层的区域范围;
在树木冠层的区域范围内,根据灰度图像中的灰度值,提取相应数量的像素点,得到树木冠层温度的分布状态。
2.根据权利要求1所述的方法,其特征在于,根据所述像素点温度值,将红外热图像由彩色图像转换为灰度图像的步骤还包括:根据像素点的温度值,采用温度插值法进行数据处理并生成相应的灰度图像。
3.根据权利要求1所述的方法,其特征在于,所述相应的区域形状为椭圆形或者圆形。
4.根据权利要求1所述的方法,其特征在于,所述根据灰度图像中的灰度值,提取相应数量的像素点的步骤还包括:利用滑动平均法、Filter滤波-无权重、Filter滤波-中心法三种数值滤波方法并且结合变异系数法提取得到最适宜的像素点个数。
5.根据权利要求4所述的方法,其特征在于,所述利用滑动平均法、Filter滤波-无权重、Filter滤波-中心法三种数值滤波方法并且结合变异系数法提取得到最适宜的像素点个数的步骤还包括:
分别构建灰度值与像素点个数、温度值的关系,得到像素点个数与温度值的关系;
根据像素点个数与温度值的关系,确定像素点个数与温度值呈现线性关系所对应的灰度值区域;
在上述灰度值区域范围内提取像素点并且计算得到像素点个数的变异系数;
通过滑动平均法、Filter滤波-无权重、Filter滤波-中心法对变异系数进行数据滤波处理,计算得到临界灰度值;
根据临界灰度值确定像素点的取值范围,得到最适宜的像素点个数。
6.根据权利要求1所述的方法,其特征在于,还包括:
利用图像分割方法,将图像分割为多个相互独立的子区域;
分别提取每个子区域中的像素点个数以及整体图像中的像素点个数;
将子区域所提取的像素点个数进行累加并且与整体所提取的像素点个数相比较,得到像素提取可靠性的验证结果。
7.根据权利要求6所述的方法,其特征在于,所述将子区域所提取的像素点个数进行累加并且与整体所提取的像素点个数相比较的步骤还包括:
将整体提取的图像和图像分割后提取的图像相叠加,得到两个图像中像素点的差异;
根据像素点的差异确定像素提取的可靠性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710819206.0A CN107767364B (zh) | 2017-09-12 | 2017-09-12 | 基于红外热图像精准提取树木冠层温度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710819206.0A CN107767364B (zh) | 2017-09-12 | 2017-09-12 | 基于红外热图像精准提取树木冠层温度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107767364A true CN107767364A (zh) | 2018-03-06 |
CN107767364B CN107767364B (zh) | 2021-03-23 |
Family
ID=61265706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710819206.0A Active CN107767364B (zh) | 2017-09-12 | 2017-09-12 | 基于红外热图像精准提取树木冠层温度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107767364B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109087304A (zh) * | 2018-06-15 | 2018-12-25 | 广东大仓机器人科技有限公司 | 一种基于热成像模块的超阈值区域的划分方法 |
CN110779876A (zh) * | 2019-11-07 | 2020-02-11 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种疫木识别方法、装置、设备及计算机可读存储介质 |
GR1009898B (el) * | 2020-05-12 | 2021-01-08 | Γεωργιος Αθανασιου Φευγας | Μεθοδος ανιχνευσης και αξιολογησης βιοτικου-αβιοτικου στρες σε καλλιεργειες απο θερμικες φωτογραφιες με χρηση τεχνητης νοημοσυνης |
CN112254820A (zh) * | 2020-10-14 | 2021-01-22 | 中国科学院空天信息创新研究院 | 一种离散森林场景热红外辐射传输模拟方法 |
CN112514793A (zh) * | 2020-12-21 | 2021-03-19 | 扬州大学 | 一种耐盐性水稻品种的筛选方法 |
CN114391465A (zh) * | 2022-01-14 | 2022-04-26 | 保利物业服务股份有限公司 | 一种可远程控制的智能园林绿化养护方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4922368B2 (ja) * | 2009-08-27 | 2012-04-25 | 本田技研工業株式会社 | 車両周辺監視装置 |
CN105678310A (zh) * | 2016-02-03 | 2016-06-15 | 北京京东方多媒体科技有限公司 | 红外热图像轮廓提取方法及装置 |
CN106124061A (zh) * | 2016-08-18 | 2016-11-16 | 湖南文理学院 | 在线式红外热像仪及红外热图数据处理方法 |
CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
CN106680285A (zh) * | 2016-11-17 | 2017-05-17 | 同济大学 | 基于红外图像辅助的可见光图像识别绝缘子污秽状态方法 |
-
2017
- 2017-09-12 CN CN201710819206.0A patent/CN107767364B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4922368B2 (ja) * | 2009-08-27 | 2012-04-25 | 本田技研工業株式会社 | 車両周辺監視装置 |
CN105678310A (zh) * | 2016-02-03 | 2016-06-15 | 北京京东方多媒体科技有限公司 | 红外热图像轮廓提取方法及装置 |
CN106124061A (zh) * | 2016-08-18 | 2016-11-16 | 湖南文理学院 | 在线式红外热像仪及红外热图数据处理方法 |
CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
CN106680285A (zh) * | 2016-11-17 | 2017-05-17 | 同济大学 | 基于红外图像辅助的可见光图像识别绝缘子污秽状态方法 |
Non-Patent Citations (2)
Title |
---|
JONES H G ET AL.: "Thermal infrared imaging of crop canopies for the remote diagnosis and quantification of plant responses to water stress in the field", 《FUNCTIONAL PLANT BIOLOGY》 * |
何慧敏 等: "一种基于红外热图的温度提取方法", 《计算机技术与自动化》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109087304A (zh) * | 2018-06-15 | 2018-12-25 | 广东大仓机器人科技有限公司 | 一种基于热成像模块的超阈值区域的划分方法 |
CN110779876A (zh) * | 2019-11-07 | 2020-02-11 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种疫木识别方法、装置、设备及计算机可读存储介质 |
GR1009898B (el) * | 2020-05-12 | 2021-01-08 | Γεωργιος Αθανασιου Φευγας | Μεθοδος ανιχνευσης και αξιολογησης βιοτικου-αβιοτικου στρες σε καλλιεργειες απο θερμικες φωτογραφιες με χρηση τεχνητης νοημοσυνης |
CN112254820A (zh) * | 2020-10-14 | 2021-01-22 | 中国科学院空天信息创新研究院 | 一种离散森林场景热红外辐射传输模拟方法 |
CN112254820B (zh) * | 2020-10-14 | 2021-04-27 | 中国科学院空天信息创新研究院 | 一种离散森林场景热红外辐射传输模拟方法 |
CN112514793A (zh) * | 2020-12-21 | 2021-03-19 | 扬州大学 | 一种耐盐性水稻品种的筛选方法 |
CN114391465A (zh) * | 2022-01-14 | 2022-04-26 | 保利物业服务股份有限公司 | 一种可远程控制的智能园林绿化养护方法及系统 |
CN114391465B (zh) * | 2022-01-14 | 2022-09-02 | 保利物业服务股份有限公司 | 一种可远程控制的智能园林绿化养护方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107767364B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767364A (zh) | 基于红外热图像精准提取树木冠层温度的方法 | |
CN109829234B (zh) | 一种基于高分辨率遥感数据和作物模型的跨尺度高精度动态作物长势监测和估产方法 | |
CN105740759B (zh) | 基于多时相数据中特征提取的中稻信息决策树分类方法 | |
CN109948596A (zh) | 一种基于植被指数模型进行水稻识别和种植面积提取的方法 | |
Zhang et al. | Estimation of forest leaf area index using height and canopy cover information extracted from unmanned aerial vehicle stereo imagery | |
Sharifi | Estimation of biophysical parameters in wheat crops in Golestan province using ultra-high resolution images | |
Bandaru et al. | Estimating crop net primary production using national inventory data and MODIS-derived parameters | |
CN104199027B (zh) | 基于紧致极化雷达大面积近实时监测水稻物候期的方法 | |
CN101692037A (zh) | 高光谱图像和独立分量分析植物叶面叶绿素分布的方法 | |
CN109977991A (zh) | 基于高清卫星遥感的林业资源采集方法 | |
CN109269645A (zh) | 一种基于无人机可见光和热红外遥感的大田玉米冠层温度提取方法 | |
Xu et al. | Classification method of cultivated land based on UAV visible light remote sensing | |
CN102663396B (zh) | 一种水稻乳熟期自动检测的方法 | |
Li et al. | Mapping rice cropping systems using Landsat-derived renormalized index of normalized difference vegetation index (RNDVI) in the Poyang Lake Region, China | |
CN104951754A (zh) | 基于面向对象技术与ndvi时间序列相结合的农作物精细分类方法 | |
CN115950838A (zh) | 一种基于叶绿素含量的夏玉米旱情无人机快速监测判别方法 | |
CN106960190B (zh) | 基于高分辨率图像监督中分辨率图像的灌溉面积统计方法 | |
Yang et al. | Mapping grain sorghum yield variability using airborne digital videography | |
Hearst | Remote sensing of soybean canopy cover, color, and visible indicators of moisture stress using imagery from unmanned aircraft systems | |
CN107437262B (zh) | 作物种植面积预警方法和系统 | |
TAO et al. | Fusing multi-source data to map spatio-temporal dynamics of winter rape on the Jianghan Plain and Dongting Lake Plain, China | |
Johnson et al. | Vineyard canopy density mapping with IKONOS satellite imagery | |
Waine et al. | Towards improving the accuracy of opium yield estimates with remote sensing | |
KR102201595B1 (ko) | 딸기의 이미지 분석을 통한 생육 진단 방법 | |
Wang et al. | Application of image technology to simulate optimal frequency of automatic collection of volumetric soil water content data |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Sun Sheng Inventor after: Zhang Jinsong Inventor after: Sun Shoujia Inventor after: He Chunxia Inventor after: Huang Hui Inventor after: Yin Changjun Inventor after: Shi Shengmian Inventor before: Sun Sheng Inventor before: Zhang Jinsong |
|
GR01 | Patent grant | ||
GR01 | Patent grant |