CN110660075B - 一种无人机航拍图像粘连大豆作物行分割方法 - Google Patents

Abstract

本发明公开了一种无人机航拍图像粘连大豆作物行分割方法。首先从M行×N列无人机航拍图像的第一行开始依次提取m行×N列图像块，然后应用OTSU算法对图像块进行图像分割，去噪处理后，基于作物行密度进行循环腐蚀操作，进一步确定图像块中各作物行列左右边界对，在各作物行列左右边界对在图像块中圈定的区域内，确定首个作物行的中心行开始，每间隔d_r行，提取一作物行的上、下、左、右边界，最后基于作物行边界的精确调整，提取作物行外接矩形，实现作物行分割。应用本发明可实现无人机航拍图像中存在行间粘连的大豆作物行分割，为应用无人机航拍图像实现基于作物行颜色、面积、高度等指标的大豆育种选种工作奠定了技术基础。

Description

一种无人机航拍图像粘连大豆作物行分割方法

技术领域

本发明涉及一种图像处理方法，尤其是一种无人机航拍图像粘连大豆作物行分割方法。

背景技术

大豆是一种重要的经济作物。为提高大豆的产量，大豆的育种和选种是关键，因此具有非常重要的应用价值。目前大豆的育种和选种主要依赖专家的个人经验和人工测量。然而，大豆育种和选种往往在上万个品种中进行，选育过程非常繁琐且选育结果随专家个体主观经验的不同而存在差异。因此，非常需要一些有助于实现大豆育种和选种过程自动化的方法。应用无人机拍摄田间大豆作物图像，基于航拍图像处理实现大豆选种的方法作为一种实现大豆育种选种过程自动化的良好解决方案，正受到越来越多从业人员的关注。然而，基于航拍图像处理实现大豆育种选种首先需实现航拍图像中不同品种大豆作物行的图像分割。目前，该工作主要依赖人工操作实现，费时费力。虽然也有航拍图像中大豆作物行自动分割的报道，但对于存在由于行列间位置未对齐、存在杂草以及作物行生长较为茂盛等原因造成作物行存在相互粘连的情况，无法实现大豆作物行的正确分割。因此，迫切需要一种无人机航拍图像粘连大豆作物行分割方法。

本发明可实现无人机航拍图像粘连大豆作物行分割，为应用无人机航拍图像实现基于作物行颜色、面积、高度等指标的大豆育种选种工作奠定了技术基础。

发明内容

本发明的目的在于提供一种无人机航拍图像粘连大豆作物行分割方法，以实现无人机航拍图像粘连大豆作物行的自动图像分割，提取出大豆作物行的外接矩形。

本发明采用的技术方案是：

本发明包括如下步骤：

1.1)图像块初始行设置：将M行×N列无人机航拍图像V第1行作为待提取图像块S的起始行；

1.2)图像块提取：从起始行开始，提取m行航拍图像，构成一m行×N列图像块S；

1.3)图像分割：采用基于归一化绿红色差OTSU自动阈值图像分割算法对图像块S进行图像分割，获得二值图像I；

1.4)去噪：去除二值图像I中面积小于T_s的前景区域，并对前景区域中面积小于T_s的孔洞进行填充，得到去噪后的二值图像B；

1.5)基于作物行密度的循环腐蚀：计算二值图像B中前景像素数占总像素数的比例，作为作物行密度；若作物行密度不小于T_d，则基于3×3的方形结构元素对二值图像B进行腐蚀操作循环，直至作物行密度小于T_d为止，得到循环腐蚀后的二值图像E；

1.6)作物行列的左右边界对确定：作物行列指多个上下相邻且作物行中心图像横坐标差小于T_c＝w/2的作物行构成的列；从左向右对二值图像E进行列扫描，统计各列前景像素数；确定前景像素数最少的第一列C_s及最后一列C_e；以C_s列为参考位置列，提取所有作物行列的左右边界；按作物行列的左右边界对图像纵坐标对所有作物行列的左右边界对进行升序排序；

1.7)作物行分割：按作物行列左右边界对所在列的升序分别在各作物行列左右边界对在二值图像E中圈定的区域P_E内，确定第一个作物行的中心行；进行作物行外接矩提取，方法为从第一个作物行的中心行开始，每间隔d_r＝r_w行设置一行扫描图像区域H，将H中的所有前景区域合并，获得合并后前景区域外接矩，进而获得作物行边界，对作物行边界进行精确调整，提取作物行外接矩；获得作物行外接矩，即实现了作物行分割；

1.8)下一图像块起始行计算：求当前图像块S中所有作物行列的最后一个作物行下边界图像纵坐标的最小值Y_min与当前图像块起始行的和，作为下一图像块的起始行；

1.9)判断下一图像初始行与m的和是否小于航拍图像的行数M，若是，则跳转至步骤1.2)，否则，跳转至步骤1.10)；

1.10)输出无人机航拍图像大豆作物行最小外接矩图像坐标及大小。

所述步骤1.5)基于作物行密度的循环腐蚀中，腐蚀操作循环，实现方法为：

2.1)计算当前二值图像B的作物行密度；

2.2)判断作物行密度是否大于T_d；若是，则进入步骤2.3)，否则，结束腐蚀操作循环；

2.3)基于3×3的方形结构元素对当前二值图像B进行腐蚀操作，得到腐蚀后二值图像B_e；

2.4)计算腐蚀后的二值图像B_e的作物行密度，跳转到步骤2.2)；

所述步骤1.6)中的作物行列的左右边界提取，其实现方法如下：

3.1)将C_s列及C_e列分别作为前一作物行列的右边界和当前作物行列的左边界，同时将C_s列作为设定获取其左侧作物行列左右边界列扫描图像区域G的参考位置列；

3.2)从参考位置列开始，向左间隔d_c＝w列，设置一列扫描图像区域G的中心列C_c，列扫描图像区域G宽度为w列；若图像区域G未超过图像E的第1列，则进入步骤3.3)，否则，跳转至步骤3.4)；

3.3)在列扫描图像区域G中，以中心列C_c向左进行列扫描，得到前景像素数最少的第一列，作为前一作物行列的右边界及下一列扫描图像区域G的参考位置列，以中心列C_c向右进行列扫描，得到前景像素数最少的第一列，作为当前作物行列的左边界；跳转至步骤3.2)；

3.4)将C_s列作为设定获取其右侧作物行列左右边界的列扫描图像区域G的参考位置列；

3.5)从参考位置列开始，向右间隔d_c＝w列，设置一列扫描图像区域G的中心列C_c，列扫描图像区域G宽度为w列；若图像区域G未超过图像E的第N列，则进入步骤3.6)，否则，跳转至步骤3.7)；

3.6)在列扫描图像区域G中，以中心列C_c向左进行列扫描，得到前景像素数最少的第一列，作为前一作物行列的右边界及下一列扫描图像区域G的参考位置列，以中心列C_c向右进行列扫描，得到前景像素数最少的第一列，作为当前作物行列的左边界；跳转至步骤3.5)；

3.7)结束作物行列左右边界计算。

所述的步骤1.7)中的第一个作物行中心行的确定，其实现方法如下：

4.1)在区域P_E内，从上往下进行行扫描；

4.2)遇到前景像素时，将该前景像素所在前景区域的中心行作为确定区域P_E内首个作物行的中心行C_f的参考基准C_n初始值；

4.3)将第一个前景像素所在行及其以下f＝r_w/5行内的所有前景区域合并；

4.4)判断合并后的前景区域外接矩长是否小于r_l＝w/2且宽是否小于r_w；若是，则将参考基准C_n修改为合并后得到的前景区域中心行，进入步骤4.5)；否则，判断是否未完成P_E内的行扫描，若是，则跳转到步骤4.1)，否则进入步骤4.5)；

4.5)区域P_E内第一个作物行的中心行C_f等于参考基准C_n除以d_r＝r_w所得余数。

所述的步骤1.7)中的作物行外接矩提取，其实现方法如下：

5.1)将第一个作物行的中心C_f行作为行扫描图像区域H的中心行，行扫描图像区域H高度为h＝2r_w/5行；

5.2)行扫描图像区域H是否未超过图像E的最大行，若是，进入步骤5.3)，否则，跳转至步骤5.7)；

5.3)在行扫描图像区域H中，从上向下进行行扫描；

5.4)若行扫描图像区域H中存在前景区域，将其中所有前景区域合并为一个前景区域，基于合并后的前景区域外接矩获得当前作物行上、下、左、右边界；

5.5)若行扫描图像区域H中无前景区域或识别出合并后前景区域为包含多个作物行的无效前景区域，则将行扫描图像区域H的上下边界作为当前作物行上、下边界，将当前作物行列的左、右边界作为当前作物行的左、右边界；

5.6)将当前作物行上下边界纵坐标均值与d_r＝r_w相加，所得和作为下一行扫描图像区域H的中心行行号C_r，行扫描图像区域H高度为h＝2r_w/5行，跳转至步骤5.2)；

5.7)完成图像区域P_E的行扫描后，在作物行左右边界对在二值图像B中圈定的区域P_B中，对作物行边界进行精确调整，获得作物行外接矩；

5.8)逐个扫描当前作物行列中的各作物行的上下边界，若作物行上边界在图像V中的纵坐标小于前一图像块中属于同一作物行列的最后一个作物行的下边界在图像V中的纵坐标，或下边界为当前图像块S的最后一行，则剔除对应的作物行外接矩。

所述的步骤5.5)中合并后前景区域为包含多个作物行的无效前景区域识别，其实现方法如下：基于当前行扫描图像区域H获得的作物行上边界纵坐标小于前一行扫描图像区域H最后一行的纵坐标，或基于当前行扫描图像区域H获得的作物行下边界纵坐标大于后一行扫描图像区域H第一行的纵坐标，则该前景区域为无效前景区域。

所述的步骤5.7)中的作物行边界精确调整，其实现方法如下：

上边界调整方法为，从当前作物行上边界向上至上一作物行的下边界在P_B中所圈定区域U内进行行扫描，得到前景像素数最少的第一行，作为当前作物行的上边界；

下边界调整方法为，从当前作物行下边界向下至下一作物行的上边界在P_B中所圈定区域D内进行行扫描，得到前景像素数最少的第一行，作为当前作物行的下边界；

左边界调整方法为，从当前作物行左边界向左至左侧作物行列的右边界在P_B中所圈定区域L内进行列扫描，得到前景像素数最少的第一列，作为当前作物行的左边界；

右边界调整方法为，从当前作物行右边界向右至右侧作物行列的左边界在P_B中所圈定区域R内进行列扫描，得到前景像素数最少的第一列，作为当前作物行的右边界。

本发明具有的有益效果是：本发明通过设计一种无人机航拍图像粘连大豆作物行分割方法实现无人机航拍图像粘连大豆作物行自动分割，为应用无人机航拍图像实现基于作物行颜色、面积、高度等指标的大豆育选种工作奠定了技术基础。

附图说明

图1是无人机航拍图像粘连大豆作物行分割系统组成示意图。

图2是无人机航拍图像粘连大豆作物行分割方法流程图。

图3是无人机航拍图像粘连大豆作物行分割原理图。

图4是无人机航拍图像粘连大豆作物行分割实例。

图1中：1、无人机，2、彩色相机，3、大豆大田，4、计算机，5、无人机航拍图像粘连大豆作物行分割软件。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

如图1示意了无人机航拍图像粘连大豆作物行分割系统的一个具体实施例。无人机1采用大疆的MATRICE 600PRO。彩色相机2采用SONYα6300。计算机4为S230u Twist笔记本电脑，内存8Gb，CPU为Intel Core i7-3537U@2.00GHz，WIN 10操作系统。彩色相机2中的存储卡通过存储卡接口接入计算机4。

无人机航拍图像粘连大豆作物行分割的具体实现如下：

带彩色相机的无人机1在大豆大田3上空飞行；彩色相机2接收到大豆作物光学图像后，将其转换为电子图像；将彩色相机2中的大豆作物电子图像输入到计算机4中；计算机4中的无人机航拍图像粘连大豆作物行分割软件5实现粘连大豆作物行图像分割。

如图2所示，无人机航拍图像粘连大豆作物行分割软件5中无人机航拍图像粘连大豆作物行分割方法的具体实现如下：

1.1)图像块初始行设置：将M行×N列无人机航拍图像V第1行作为待提取图像块S的初始行；

1.2)图像块提取：从初始行开始，提取m行航拍图像，构成一m＝1000行×N列图像块S；

1.3)图像分割：采用基于归一化绿红色差OTSU自动阈值图像分割算法对图像块S进行图像分割，如式(1)所示，获得二值图像I；

式中：s_n—归一化绿红色差；min-表示求最小值；max-表示求最大值；s_c—绿红色差，如式(2)所示：

式中：rgb—彩色图像的三个颜色分量；

1.4)去噪：去除二值图像I中面积小于T_s＝100的前景区域，并对前景区域中面积小于T_s的孔洞进行填充，得到去噪后的二值图像B；

1.5)基于作物行密度的循环腐蚀：计算二值图像B中前景像素数占总像素数的比例，作为作物行密度；若作物行密度不小于T_d＝0.15，则基于3×3的方形结构元素对二值图像B进行腐蚀操作循环，直至作物行密度小于T_d为止，得到循环腐蚀后的二值图像E，图3为循环腐蚀后二值图像的示意；

1.6)作物行列的左右边界对确定：作物行列指多个上下相邻且作物行中心图像横坐标差小于T_c＝w/2＝500/2＝250的作物行构成的列，如图3所示；从左向右对二值图像E进行列扫描，统计各列前景像素数；确定前景像素数最少的第一列C_s及最后一列C_e；以C_s列为参考位置列，提取所有作物行列的左右边界；按作物行列的左右边界对图像纵坐标对所有作物行列的左右边界对进行升序排序；

1.7)作物行分割：按作物行列左右边界对所在列的升序分别在各作物行列左右边界对在二值图像E中圈定的区域P_E内，确定第一个作物行的中心行；进行作物行外接矩提取，方法为从第一个作物行的中心行开始，每间隔d_r＝100行设置一行扫描图像区域H，将H中的所有前景区域合并，获得合并后前景区域外接矩，进而获得作物行边界，对作物行边界进行精确调整，提取作物行外接矩；获得作物行外接矩，即实现了作物行分割；

1.8)下一图像块起始行计算：求当前图像块S中所有作物行列的最后一个作物行下边界图像纵坐标的最小值Y_min与当前图像块起始行的和，作为下一图像块的起始行；

1.9)判断下一图像初始行与m＝1000的和是否小于航拍图像的行数M，若是，则跳转至步骤1.2)，否则，跳转至步骤1.10)；

1.10)输出无人机航拍图像大豆作物行最小外接矩图像坐标及大小。

所述步骤1.5)基于作物行密度的循环腐蚀中，腐蚀操作循环，实现方法为：

2.1)计算当前二值图像B的作物行密度；

2.2)判断作物行密度是否大于T_d＝0.15；若是，则进入步骤2.3)，否则，结束腐蚀操作循环；

2.3)基于3×3的方形结构元素对当前二值图像B进行腐蚀操作，得到腐蚀后二值图像B_e；

2.4)计算腐蚀后的二值图像B_e的作物行密度，跳转到步骤2.2)；

所述步骤1.6)中的作物行列的左右边界提取，其实现方法如下：

3.1)将C_s列及C_e列分别作为前一作物行列的右边界和当前作物行列的左边界，同时将C_s列作为设定获取其左侧作物行列左右边界列扫描图像区域G的参考位置列，如图3中的C_s列和C_e列，即2R列和3L列；

3.2)从参考位置列开始，向左间隔d_c＝w＝500列，设置一列扫描图像区域G的中心列C_c，列扫描图像区域G宽度为w＝500列，如图3中C_c和C_s间隔d_c列，C_l列和C_r列间宽度为w＝500列；若图像区域G未超过图像E的第1列，则进入步骤3.3)，否则，跳转至步骤3.4)；

3.3)在列扫描图像区域G中，以中心列C_c向左进行列扫描，得到前景像素数最少的第一列，作为前一作物行列的右边界及下一列扫描图像区域G的参考位置列，以中心列C_c向右进行列扫描，得到前景像素数最少的第一列，作为当前作物行列的左边界，如图3中的2R为前一作物行列的右边界和，3L为当前作物行列的左边界；跳转至步骤3.2)；

3.4)将C_s列作为设定获取其右侧作物行列左右边界的列扫描图像区域G的参考位置列；

3.5)从参考位置列开始，向右间隔d_c＝w＝500列，设置一列扫描图像区域G的中心列C_c，列扫描图像区域G宽度为w＝500列；若图像区域G未超过图像E的第N列，则进入步骤3.6)，否则，跳转至步骤3.7)；

3.6)在列扫描图像区域G中，以中心列C_c向左进行列扫描，得到前景像素数最少的第一列，作为前一作物行列的右边界及下一列扫描图像区域G的参考位置列，以中心列C_c向右进行列扫描，得到前景像素数最少的第一列，作为当前作物行列的左边界，如图3中的3R为前一作物行列的右边界和，4L为当前作物行列的左边界，即使存在杂草Y1，也可以实现左右边界的正确提取；跳转至步骤3.5)；

3.7)结束作物行列左右边界计算。

所述的步骤1.7)中的第一个作物行中心行的确定，其实现方法如下：

4.1)在区域P_E内，从上往下进行行扫描；

4.2)遇到前景像素时，将该前景像素所在前景区域的中心行作为确定区域P_E内首个作物行的中心行C_f的参考基准C_n初始值；

4.3)将第一个前景像素所在行及其以下f＝r_w/5＝100/5＝20行内的所有前景区域合并；

4.4)判断合并后的前景区域外接矩长是否小于r_l＝w/2＝250且宽是否小于r_w＝100；若是，则将参考基准C_n修改为合并后得到的前景区域中心行，进入步骤4.5)，如图3所示；否则，判断是否未完成P_E内的行扫描，若是，则跳转到步骤4.1)，否则进入步骤4.5)；

4.5)区域P_E内第一个作物行的中心行C_f等于参考基准C_n除以d_r＝100所得余数，如图3所示。

所述的步骤1.7)中的作物行外接矩提取，其实现方法如下：

5.1)将第一个作物行的中心C_f行作为行扫描图像区域H的中心行，行扫描图像区域H高度为h＝2r_w/5＝40行，如图3中C_u和C_d间高度为h＝40行；

5.2)行扫描图像区域H是否未超过图像E的最大行，若是，进入步骤5.3)，否则，跳转至步骤5.7)；

5.3)在行扫描图像区域H中，从上向下进行行扫描；

5.4)若行扫描图像区域H中存在前景区域，将其中所有前景区域合并为一个前景区域，基于合并后的前景区域外接矩获得当前作物行上、下、左、右边界，如图3中的外接矩J为合并后的前景区域外接矩；

5.5)若行扫描图像区域H中无前景区域或识别出合并后前景区域为包含多个作物行的无效前景区域，如图3中Y2杂草区域将上下作物行粘连在一起，形成一包含两个作物行的无效前景区域，则将行扫描图像区域H的上下边界作为当前作物行上、下边界，将当前作物行列的左、右边界作为当前作物行的左、右边界；

5.6)将当前作物行上下边界纵坐标均值与d_r＝100行相加，所得和作为下一行扫描图像区域H的中心行行号C_r，行扫描图像区域H高度为h＝40行，跳转至步骤5.2)；

5.7)完成图像区域P_E的行扫描后，在作物行左右边界对在二值图像B中圈定的区域P_B中，对作物行边界进行精确调整，获得作物行外接矩；

5.8)逐个扫描当前作物行列中的各作物行的上下边界，若作物行上边界在图像V中的纵坐标小于前一图像块中属于同一作物行列的最后一个作物行的下边界在图像V中的纵坐标，或下边界为当前图像块S的最后一行，则剔除对应的作物行外接矩。

所述的步骤5.5)中合并后前景区域为包含多个作物行的无效前景区域识别，其实现方法如下：基于当前行扫描图像区域H获得的作物行上边界纵坐标小于前一行扫描图像区域H最后一行的纵坐标，或基于当前行扫描图像区域H获得的作物行下边界纵坐标大于后一行扫描图像区域H第一行的纵坐标，则该前景区域为无效前景区域。

所述的步骤5.7)中的作物行边界精确调整，其实现方法如下：

上边界调整方法为，从当前作物行上边界向上至上一作物行的下边界在P_B中所圈定区域U内进行行扫描，得到前景像素数最少的第一行，作为当前作物行的上边界，如图3中U所示；

下边界调整方法为，从当前作物行下边界向下至下一作物行的上边界在P_B中所圈定区域D内进行行扫描，得到前景像素数最少的第一行，作为当前作物行的下边界，如图3中D所示；

左边界调整方法为，从当前作物行左边界向左至左侧作物行列的右边界在P_B中所圈定区域L内进行列扫描，得到前景像素数最少的第一列，作为当前作物行的左边界，如图3中L所示；

右边界调整方法为，从当前作物行右边界向右至右侧作物行列的左边界在P_B中所圈定区域R内进行列扫描，得到前景像素数最少的第一列，作为当前作物行的右边界，如图3中R所示。图3中外接矩Z为经精确调整后得到的外接矩示意。

图4为对无人机航拍图像应用本发明后得到的大豆作物行分割结果，可见，应用本发明可实现无人机航拍图像粘连大豆作物行分割。

Claims (7)

1.一种无人机航拍图像粘连大豆作物行分割方法，其特征在于，包括如下步骤：

1.1)图像块初始行设置：将M行×N列无人机航拍图像V第1行作为待提取图像块S的起始行；

1.2)图像块提取：从起始行开始，提取m行航拍图像，构成一m行×N列图像块S；

1.3)图像分割：采用基于归一化绿红色差OTSU自动阈值图像分割算法对图像块S进行图像分割，获得二值图像I；

1.4)去噪：去除二值图像I中面积小于T_s的前景区域，并对前景区域中面积小于T_s的孔洞进行填充，得到去噪后的二值图像B；

1.5)基于作物行密度的循环腐蚀：计算二值图像B中前景像素数占总像素数的比例，作为作物行密度；若作物行密度不小于T_d，则基于3×3的方形结构元素对二值图像B进行腐蚀操作循环，直至作物行密度小于T_d为止，得到循环腐蚀后的二值图像E；

1.6)作物行列的左右边界对确定：作物行列指多个上下相邻且作物行中心图像横坐标差小于T_c＝w/2的作物行构成的列；从左向右对二值图像E进行列扫描，统计各列前景像素数；确定前景像素数最少的第一列C_s及最后一列C_e；以C_s列为参考位置列，提取所有作物行列的左右边界；按作物行列的左右边界对图像纵坐标对所有作物行列的左右边界对进行升序排序；

1.7)作物行分割：按作物行列左右边界对所在列的升序分别在各作物行列左右边界对在二值图像E中圈定的区域P_E内，确定第一个作物行的中心行；进行作物行外接矩提取，方法为从第一个作物行的中心行开始，每间隔d_r＝r_w行设置一行扫描图像区域H，将H中的所有前景区域合并，获得合并后前景区域外接矩，进而获得作物行边界，对作物行边界进行精确调整，提取作物行外接矩；获得作物行外接矩，即实现了作物行分割；

1.8)下一图像块起始行计算：求当前图像块S中所有作物行列的最后一个作物行下边界图像纵坐标的最小值Y_min与当前图像块起始行的和，作为下一图像块的起始行；

1.9)判断下一图像初始行与m的和是否小于航拍图像的行数M，若是，则跳转至步骤1.2)，否则，跳转至步骤1.10)；

1.10)输出无人机航拍图像大豆作物行最小外接矩图像坐标及大小。

2.如权利要求1所述的一种无人机航拍图像粘连大豆作物行分割方法，其特征在于，所述步骤1.5)基于作物行密度的循环腐蚀中，腐蚀操作循环，实现方法为：

2.1)计算当前二值图像B的作物行密度；

2.2)判断作物行密度是否大于T_d；若是，则进入步骤2.3)，否则，结束腐蚀操作循环；

2.3)基于3×3的方形结构元素对当前二值图像B进行腐蚀操作，得到腐蚀后二值图像B_e；

2.4)计算腐蚀后的二值图像B_e的作物行密度，跳转到步骤2.2)；

3.如权利要求1所述的一种无人机航拍图像粘连大豆作物行分割方法，其特征在于，所述步骤1.6)中的作物行列的左右边界提取，其实现方法如下：

3.1)将C_s列及C_e列分别作为前一作物行列的右边界和当前作物行列的左边界，同时将C_s列作为设定获取其左侧作物行列左右边界列扫描图像区域G的参考位置列；

3.2)从参考位置列开始，向左间隔d_c＝w列，设置一列扫描图像区域G的中心列C_c，列扫描图像区域G宽度为w列；若图像区域G未超过图像E的第1列，则进入步骤3.3)，否则，跳转至步骤3.4)；

3.3)在列扫描图像区域G中，以中心列C_c向左进行列扫描，得到前景像素数最少的第一列，作为前一作物行列的右边界及下一列扫描图像区域G的参考位置列，以中心列C_c向右进行列扫描，得到前景像素数最少的第一列，作为当前作物行列的左边界；跳转至步骤3.2)；

3.4)将C_s列作为设定获取其右侧作物行列左右边界的列扫描图像区域G的参考位置列；

3.5)从参考位置列开始，向右间隔d_c＝w列，设置一列扫描图像区域G的中心列C_c，列扫描图像区域G宽度为w列；若图像区域G未超过图像E的第N列，则进入步骤3.6)，否则，跳转至步骤3.7)；

3.6)在列扫描图像区域G中，以中心列C_c向左进行列扫描，得到前景像素数最少的第一列，作为前一作物行列的右边界及下一列扫描图像区域G的参考位置列，以中心列C_c向右进行列扫描，得到前景像素数最少的第一列，作为当前作物行列的左边界；跳转至步骤3.5)；

3.7)结束作物行列左右边界计算。

4.如权利要求1所述的一种无人机航拍图像粘连大豆作物行分割方法，其特征在于，所述的步骤1.7)中的第一个作物行中心行的确定，其实现方法如下：

4.1)在区域P_E内，从上往下进行行扫描；

4.2)遇到前景像素时，将该前景像素所在前景区域的中心行作为确定区域P_E内首个作物行的中心行C_f的参考基准C_n初始值；

4.3)将第一个前景像素所在行及其以下f＝r_w/5行内的所有前景区域合并；

4.4)判断合并后的前景区域外接矩长是否小于r_l＝w/2且宽是否小于r_w；若是，则将参考基准C_n修改为合并后得到的前景区域中心行，进入步骤4.5)；否则，判断是否未完成P_E内的行扫描，若是，则跳转到步骤4.1)，否则进入步骤4.5)；

4.5)区域P_E内第一个作物行的中心行C_f等于参考基准C_n除以d_r＝r_w所得余数。

5.如权利要求1所述的一种无人机航拍图像粘连大豆作物行分割方法，其特征在于，所述的步骤1.7)中的作物行外接矩提取，其实现方法如下：

5.1)将第一个作物行的中心C_f行作为行扫描图像区域H的中心行，行扫描图像区域H高度为h＝2r_w/5行；

5.2)行扫描图像区域H是否未超过图像E的最大行，若是，进入步骤5.3)，否则，跳转至步骤5.7)；

5.3)在行扫描图像区域H中，从上向下进行行扫描；

5.4)若行扫描图像区域H中存在前景区域，将其中所有前景区域合并为一个前景区域，基于合并后的前景区域外接矩获得当前作物行上、下、左、右边界；

5.5)若行扫描图像区域H中无前景区域或识别出合并后前景区域为包含多个作物行的无效前景区域，则将行扫描图像区域H的上下边界作为当前作物行上、下边界，将当前作物行列的左、右边界作为当前作物行的左、右边界；

5.6)将当前作物行上下边界纵坐标均值与d_r相加，所得和作为下一行扫描图像区域H的中心行行号C_r，行扫描图像区域H高度为h＝2r_w/5行，跳转至步骤5.2)；

5.7)完成图像区域P_E的行扫描后，在作物行左右边界对在二值图像B中圈定的区域P_B中，对作物行边界进行精确调整，获得作物行外接矩；

5.8)逐个扫描当前作物行列中的各作物行的上下边界，若作物行上边界在图像V中的纵坐标小于前一图像块中属于同一作物行列的最后一个作物行的下边界在图像V中的纵坐标，或下边界为当前图像块S的最后一行，则剔除对应的作物行外接矩。

6.如权利要求5所述的一种无人机航拍图像粘连大豆作物行分割方法，其特征在于，所述的步骤5.5)中合并后前景区域为包含多个作物行的无效前景区域识别，其实现方法如下：基于当前行扫描图像区域H获得的作物行上边界纵坐标小于前一行扫描图像区域H最后一行的纵坐标，或基于当前行扫描图像区域H获得的作物行下边界纵坐标大于后一行扫描图像区域H第一行的纵坐标，则该前景区域为无效前景区域。

7.如权利要求5所述的一种无人机航拍图像粘连大豆作物行分割方法，其特征在于，所述的步骤5.7)中的作物行边界精确调整，其实现方法如下：

上边界调整方法为，从当前作物行上边界向上至上一作物行的下边界在P_B中所圈定区域U内进行行扫描，得到前景像素数最少的第一行，作为当前作物行的上边界；

下边界调整方法为，从当前作物行下边界向下至下一作物行的上边界在P_B中所圈定区域D内进行行扫描，得到前景像素数最少的第一行，作为当前作物行的下边界；

左边界调整方法为，从当前作物行左边界向左至左侧作物行列的右边界在P_B中所圈定区域L内进行列扫描，得到前景像素数最少的第一列，作为当前作物行的左边界；

右边界调整方法为，从当前作物行右边界向右至右侧作物行列的左边界在P_B中所圈定区域R内进行列扫描，得到前景像素数最少的第一列，作为当前作物行的右边界。

Images