CN113474635A - 图像处理设备、图像处理方法和程序 - Google Patents
图像处理设备、图像处理方法和程序 Download PDFInfo
- Publication number
- CN113474635A CN113474635A CN202080016561.4A CN202080016561A CN113474635A CN 113474635 A CN113474635 A CN 113474635A CN 202080016561 A CN202080016561 A CN 202080016561A CN 113474635 A CN113474635 A CN 113474635A
- Authority
- CN
- China
- Prior art keywords
- ndvi
- image
- section
- sunlight
- 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.)
- Withdrawn
Links
- 238000012545 processing Methods 0.000 title claims abstract description 231
- 238000003672 processing method Methods 0.000 title claims description 9
- 238000005070 sampling Methods 0.000 claims abstract description 109
- 238000000034 method Methods 0.000 claims abstract description 90
- 238000004364 calculation method Methods 0.000 claims abstract description 66
- 239000000470 constituent Substances 0.000 claims abstract description 50
- 230000000694 effects Effects 0.000 claims abstract description 33
- 238000012937 correction Methods 0.000 claims description 131
- 230000008569 process Effects 0.000 claims description 68
- 241000196324 Embryophyta Species 0.000 claims description 65
- 239000002131 composite material Substances 0.000 claims description 8
- 230000007423 decrease Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 16
- 239000013598 vector Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002730 additional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biodiversity & Conservation Biology (AREA)
- Botany (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
提供了一种能够计算NDVI值的设备和方法,其中由太阳光入射反射角的变化而引起的误差减小。本发明具有数据处理部,该数据处理部输入由相机捕获的图像,并分析输入图像以计算指示植物活性度的NDVI值。数据处理部从输入图像的构成像素当中选择多个采样点,通过对所选择的采样点处的NDVI值和太阳光入射反射角的二维分布进行近似计算采样点二维分布近似模型公式,基于计算出的采样点二维分布近似模型公式,生成用于计算通过减小由太阳光入射反射角的变化引起的NDVI值的变化而获得的校正NDVI值的校正NDVI值计算公式,并根据所生成的校正NDVI值计算公式来计算校正NDVI值。
Description
技术领域
本公开涉及图像处理设备、图像处理方法和程序。更具体地,本公开涉及基于由相机捕获的图像来执行植物活性度判定的图像处理设备、图像处理方法和程序。
背景技术
存在通过使用安装在例如无人机等中的相机来拍摄诸如农作物、花卉和树木之类的各种植物的集合体以分析所捕获的图像并由此测量植物活性度的技术。
作为指示植物活性度的指数,例如有NDVI(归一化差异植被指数)。
分析由相机捕获的图像并计算捕获图像中植物的NDVI值使得能够估计捕获图像中植物的活性度。
然而,当通过安装在例如无人机中的相机拍摄图像时,由于无人机的晃动和飞行方向改变,相机的角度有变化,因此,引起所拍摄图像内被摄体图像的亮度和颜色不均匀,由此造成了不能执行准确分析的问题。
作为其中公开了用于解决以上问题的技术的常规技术,存在例如PTL 1(PCT专利公开No.WO2016/181743)中公开的技术。
在PTL 1中,公开了一种通过在考虑了来自诸如植物叶片的集合之类的测量目标的反射光的强度以及太阳光相对于测量目标的入射角的情况下执行NDVI值校正来增强分析精度的配置。
在PTL 1中描述的方法采用以下的配置:测量当相机捕获一个图像时的时间点处的反射光强度和太阳光入射角,并且基于测量的结果值以一个图像为单元来校正NDVI值。
也就是说,采用其中对包括在一个图像中的所有像素执行类似校正处理的配置。
然而,当通过安装在例如无人机中的相机从高处捕获图像时,预定的宽区域被拍摄到一个捕获图像中,由此可见,相对于该区域内的被摄体(植物)的太阳光入射角等根据被摄体的各位置而不同。
PTL 1中公开的技术没有采用其中以一个图像内的区域为单元(诸如,以像素为单元)校正NDVI值的配置,因此存在分析精度下降的问题。
[引用列表]
[专利文献]
[PTL 1]
PCT专利公开No.WO2016/181743
发明内容
[技术问题]
本公开是鉴于例如上述问题做出的,旨在提供在其中基于相机捕获的图像来判定植物活性度的配置中,校正诸如以相机所捕获的图像的像素为单位的NDVI值之类的活性度指标值并使得可以以高精度判定植物活性度的图像处理设备、图像处理方法和程序。
[问题的解决方案]
根据本公开的第一方面,提供了一种图像处理设备,所述图像处理设备包括:数据处理部,其输入由相机捕获的图像,并通过分析包括构成像素单位的输入图像,以计算在构成像素单位中的指示植物的活性度的植被指数。数据处理部基于与构成像素单位相关联的太阳光入射角来计算通过减小由太阳光入射反射角的变化引起的植被指数的变化而获得的植被指数的校正值。
另外,根据本公开的第二方面,提供了一种由包括数据处理部的图像处理设备执行的图像处理方法,数据处理部输入由相机捕获的图像,并通过分析包括构成像素单位的输入图像,以计算与构成像素单位中的指示植物的活性度的植被指数。该方法使数据处理部基于与构成像素单位相关联的太阳光入射角来计算通过减小由太阳光入射反射角的变化引起的植被指数的变化而获得的植被指数的校正值。
此外,根据本公开的第三方面,提供了一种使图像处理设备执行图像处理的程序。图像处理设备包括数据处理部,该数据处理部输入由相机捕获的图像,并通过分析包括构成像素单位的输入图像,以计算在构成像素单位中的指示植物的活性度的植被指数。该程序使数据处理部执行基于与构成像素单位相关联的太阳光入射角来计算通过减小由太阳光入射反射角的变化引起的植被指数的变化而获得的植被指数的校正值的处理。
注意的是,根据本公开的程序是可以通过记录介质或通信介质以计算机可读形式提供给例如能够执行各种程序代码的信息处理设备或计算机系统的程序。通过以计算机可读形式提供这样的程序,可以根据信息处理设备或计算机系统上的程序执行处理。
通过基于随后将描述的本公开的实施例和附图的详细描述,将使本公开的其它目的、特征和优点显而易见。注意的是,在本说明书中,系统意指多个设备的逻辑聚合配置,并不限于其中独立配置的设备被容纳在同一壳体中的配置。
根据本公开的实施例的配置,可以实现能够计算NDVI值的设备和方法,其中由太阳光入射反射角的变化引起的误差减小。
具体地,该设备包括例如数据处理部,该数据处理部输入由相机捕获的图像,并分析输入图像以计算指示植物活性度的NDVI值。数据处理部从输入图像的构成像素当中选择多个采样点,计算近似所选择的采样点处的NDVI值和太阳光入射反射角的二维分布的采样点二维分布近似模型公式,基于计算出的采样点二维分布近似模型公式,生成用于计算通过减小由太阳光入射反射角的变化引起的NDVI值的变化而获得的校正NDVI值的校正NDVI值计算公式,并根据所生成的校正NDVI值计算公式来计算校正NDVI值。
根据这种配置,可以实现使由太阳光入射反射角的变化引起的误差减小的使得能够计算NDVI值的设备和方法。
注意的是,在本说明书中描述的效果只是不限制本公开的效果的示例,并且可以存在附加效果。
附图说明
[图1]
图1图示了描述NDVI图像和NDVI图像的问题的示图。
[图2]
图2是描述NDVI图像和NDVI图像的问题的示图。
[图3]
图3是描述图像捕获示例的示图。
[图4]
图4是描述根据本公开的图像处理设备的配置和由图像处理设备执行的处理的示图。
[图5]
图5是描述存储在图像捕获/信息获取部110的存储器114中的数据示例的示图。
[图6]
图6是描述根据本公开的由图像处理设备的数据处理部执行的处理序列的流程图。
[图7]
图7是描述太阳位置估计部执行的处理的示图。
[图8]
图8是描述用于计算与RED和NIR图像的各构成像素相关联的太阳光入射反射角θsc的由太阳光入射反射角计算部执行的处理的具体示例的示图。
[图9]
图9是描述合成图像产生处理的特定示例的示图。
[图10]
图10是描述与各像素相关联并考虑了太阳光入射反射角的NDVI校正值计算处理的详细序列的流程图,该处理是由NDVI校正部执行的。
[图11]
图11图示了描述选择要应用于生成采样点二维分布近似模型公式的采样点(像素)以及获取与所选择的采样点对应的NDVI值和像素相关联的太阳光入射反射角θsc的处理的示图。
[图12]
图12图示了描述指示NDVI值和反射角θsc和其上绘制了多个采样点处的NDVI值(NDVI(k,i,j))和入射反射角θsc(k,i,j)的分布的二维图形示例的示图。
[图13]
图13是描述由NDVI校正部执行的NDVI值校正处理的具体示例的示图。
[图14]
图14图示了描述具有包括通过根据本公开的处理生成的NDVI校正值的像素值的NDVI校正图像和未应用根据本公开的处理的常规NDVI图像的示图。
[图15]
图15图示了描述具有包括通过根据本公开的处理生成的NDVI校正值的像素值的NDVI校正值图像和未应用根据本公开的处理的常规NDVI图像的示图。
[图16]
图16是是描述根据本公开的图像处理设备的硬件配置示例的示图。
具体实施方式
下文中,将参考附图描述根据本公开的图像处理设备、图像处理方法和程序的细节。应该注意,将根据以下各条目给出描述。
1.由根据本公开的图像处理设备执行的处理的概况
2.作为指示植物活性度的指数的NDVI
3.根据本公开的图像处理设备的配置和由图像处理设备执行的处理的细节
4.由NDVI校正部执行的NDVI值校正处理的细节
5.图像处理设备的硬件配置示例
6.本公开的配置的总结
[1.由根据本公开的图像处理设备执行的处理的概况]
首先,将描述由根据本公开的图像处理设备执行的处理的概况。
如上所述,存在通过使用安装在例如无人机等中的相机来拍摄诸如农作物、花卉和树木之类的各种植物的集合体以分析所捕获的图像并由此测量植物活性度的技术。
作为指示植物活性度的指数(即,植被指数),例如有NDVI(归一化差异植被指数)。
NDVI具有根据相对于植物的太阳光入射角和用于测量NDVI的相机的方位二者而变化的特性,并且这种特性表现为NDVI值误差的原因。
根据本公开的图像处理设备被配置为通过在捕获图像时间点校正由太阳光入射角和相机方位二者造成的对应NDVI值误差来以由安装在例如无人机中的相机捕获的图像中捕获的各像素为单位获取相对正确的NDVI值。
另外,在由相机捕获在连续区域内散布的多个图像的情况下,可以通过组合(拼接)个体图像来生成广大区域的合成图像。即使在执行这样的图像组合的情况下,也可以通过个体图像中包括的各像素为单位执行NDVI值校正来减少图像组合边界处的NDVI值台阶。
以下,将描述由根据本公开的图像处理设备执行的处理的关键点。
(1)从图像捕获时间点从GPS当日时间信息获取图像捕获时间点的太阳位置,并且基于图像捕获时间点相机的位置和方位将所捕获的图像投影到地表面上,以针对每个投影的像素位置计算太阳光的入射角与反射角之和(即,太阳光入射反射角)。
(2)对两个变量即NDVI值和太阳光入射反射角进行采样,以推导出近似采样点的两个变量的二维分布的模型公式。
(3)使用推导出的采样点二维分布近似模型公式,对输入图像的NDVI值进行相对校正。
[2.作为指示植物活性度的指数的NDVI]
接下来,将描述作为指示植物活性度的指数的NDVI(归一化差异植被指数)。
通常,可以按以下公式(公式1)计算NDVI。
NDVI=(NIR-RED)/(NIR+RED)...(公式1)
在以上公式(公式1)中,RED和NIR分别是具有两个波长并由能够同时捕获图像对的多光谱相机测得的该图像对的各像素处的RED波长(大致0.63至0.69μm)的强度(像素值)和NIR波长(大致0.76至0.90μm)的强度(像素值)。
表示RED和NIR波长的强度并从已由多光谱相机捕获的图像对获取的像素值是通过测量来自被摄体的反射光而获得的像素值。这样的反射光可以被用下面的公式(公式2a)和(公式2b)表示为漫反射与正反射(镜面反射)之和。
NIR=NIRd+NIRs...(公式2a)
RED=REDd+REDs...(公式2b)
其中,NIRd和REDd是漫反射元素,而NIRs和REDs是正反射(镜面反射)元素。
植物吸收红色波长光并用叶绿素进行光合作用,植物不能吸收的光作为漫反射从它的叶子射出。因此,吸收大量红色波长光的叶片可以被判定为高活性度的叶片。
为了正确计算NDVI值,必须正确测量漫反射元素(NIRd和REDd)。然而,相机在将正反射元素添加到漫反射元素的状态下进行测量,因此,正反射元素表现为NDVI的噪声。
这里,通过考虑漫反射和正反射的个体元素并减少表现为噪声的正反射元素(NIRs和REDs)的影响来计算精度更高的NDVI值的公式被描述为公式(公式3)。
[算术式1]
这里,NIRd和REDd分别是NIR波长(大致0.76至0.90μm)的漫反射元素和RED波长(大致0.63至0.69μm)的漫反射元素。
另外,NIRs和REDs分别是NIR波长(大致0.76至0.90μm)的正反射(镜面反射)元素和RED波长(大致0.63至0.69μm)的正反射(镜面反射)元素。
对于以上公式(公式3)中指示的NDVI值计算公式,在正反射元素(NIRs和REDs)大的情况下,分子的值与分母的值相比变小。结果,计算出的NDVI值变小。在假定植物的叶子成簇的情况下,通常,往往会太阳光入射角越小,正反射元素越大。也就是说,当在太阳正南的状态下从正上方拍摄植物时,多光谱相机测得的正反射元素变大,NDVI值变小。
图1图示了其中由于正反射的影响而引起了NDVI值误差的NDVI图像。图1图示了从空中拍摄相同的作物而获得的条件。在图1中,(a)是亮度图像,(b)是通过将NDVI值设置为像素值而获得的NDVI图像。
(a)表明亮度图像中心的左下方周围的亮部分是因接收到太阳光的正反射而变亮的部分。
(b)NDVI图像中心的左下方周围的对应区域与周围区域相比较是暗的,因此,可以理解该区域的NDVI值小。
另外,如图2中图示的,在包含由太阳光正反射元素引起的噪声的状态下执行用于组合多个NDVI图像的拼接处理(组合处理)导致图像组合边界处有台阶。
例如,当将识别广大农田中的植物活性度时,由于NDVI值与实际植物活性度不同而导致存在台阶,造成了不能正确地掌握植物状态的问题。
[3.根据本公开的图像处理设备的配置和由图像处理设备执行的处理的细节]
接下来,将描述根据本公开的图像处理设备的配置和处理的细节。
根据本公开的图像处理设备获取由能够同时拍摄RED波长(可见光:大致0.63至0.69μm)和近红外NIR波长(大致0.76至0.90μm)的多光谱相机捕获的图像,并计算高精度的植物活性度指标值,具体地,NDVI值。
图像处理设备以捕获图像的像素单位计算精度更高的NDVI值。
例如,如图3中图示的,根据本公开的处理可以用于通过使用安装能够同时拍摄RED波长和NIR波长的多光谱相机的无人机来拍摄整个农场的应用中,以分析植物的活性状态。
将参考图4描述根据本公开的图像处理设备100的配置示例。
如图4中图示的,图像处理设备100包括图像捕获/信息获取部110、数据处理部120和图像显示部130。
注意的是,作为安装在例如无人机等中的相机的图像捕获/信息获取部110和作为显示器的图像显示部130可以作为外部设备提供,而不是作为图像处理设备100的构成元件提供。在这种情况下,图像处理设备100包括下述的数据处理部120。
数据处理部120获取已由图像捕获/信息获取部110获取的图像、位置信息等;基于所获取的信息,以由图像捕获/信息获取部110获取的图像的构成像素为单位计算高精度的NDVI值;通过将计算出的NDVI值设置为像素值来生成NDVI图像;以及将所生成的NDVI图像输出到图像显示部130。这里,图像的构成像素单位可以是一个像素单位或多个像素单位(例如,两个像素×两个像素的矩阵)。例如,在构成像素单位是多个像素单位的情况下,已经针对各像素计算出的NDVI值的平均值可以被作为用作构成像素单位的代表值的NDVI值来处理。
注意的是,作为由数据处理部120生成的信息的输出目的地,仅图像显示部130在图4中被图示,但可以提供该配置,使得诸如NDVI图像之类的由数据处理部120生成的信息被记录在例如存储部中。
图像捕获/信息获取部110包括RED/NIR图像捕获部(相机)111、相机位置和姿态估计部(GPS等)112、时钟部113和存储器114。
RED/NIR图像捕获部(相机)111是能够同时拍摄RED和NIR两个波长的光线的多光谱相机。例如,RED/NIR图像捕获部(相机)111在农场上方移动的同时连续地拍摄农场。
所捕获的图像被存储在存储器114中。
相机位置和姿态估计部(GPS等)112包括例如GPS和姿态传感器,并测量图像捕获/信息获取部110的三维位置,也就是说,RED/NIR图像捕获部(相机)111的三维位置。具体地,用GPS测量相机位置“纬度、经度和高度”,用姿态传感器测量相机姿态“侧倾(Roll)、俯仰(Pitch)和偏航(Yaw)”的旋转角度。
连续地执行由相机位置和姿态估计部(GPS等)112测量相机三维位置(位置和姿态)的处理,并且所测得的信息被作为时间序列数据存储在存储器114中。
时钟部113在图像捕获的时间点获取当日时间信息,并将所获取的当日时间信息输出到存储器114。
图5是图示了存储在图像捕获/信息获取部110的存储器114中的数据示例的示图。
如图5中图示的,以下两种数据被存储在存储器114中:
(a)捕获图像数据
(b)捕获图像相关元数据。
(a)捕获图像数据包括在无人机飞行的同时由RED/NIR图像捕获部(相机)111在当日同一时间捕获的RED图像和NIR图像对。存储其量与捕获图像的对数(N对)对应的捕获图像数据。
(b)捕获图像相关元数据是由RED/NIR图像捕获部(相机)111捕获的图像对中的每一对的元数据。
关于在拍摄RED图像和NIR图像对的当日时间与相机关联的“纬度、经度、高度、侧倾、俯仰、偏航和当日拍摄时间”的数据被作为元数据存储。
以这种方式,以下的两种数据被存储在图像捕获/信息获取部110的存储器114中:
(a)捕获图像数据
(b)捕获图像相关元数据。
在无人机完成飞行之后,数据处理部120读取存储在存储器114中的捕获图像数据和元数据,并基于读取数据执行数据处理,也就是说,诸如以像素为单位的NDVI值计算处理之类的数据处理。
注意的是,可以采用以下的配置:在无人机飞行期间,在图像捕获/信息获取部110与数据处理部120之间执行无线通信,以将上述存储器存储数据,即,
(a)捕获图像数据,以及
(b)捕获图像相关元数据
从图像捕获/信息获取部110发送到数据处理部120,并且在无人机飞行时段期间,在实时的基础上执行诸如以像素为单元的NDVI值计算处理之类的数据处理。
注意的是,在执行诸如上述处理的情况下,图像捕获/信息获取部110和数据处理部120各自包括通信部。
接下来,将描述包括在图像处理设备100中并在图4中图示的数据处理部120的配置以及要由数据处理部120执行的处理。
如图4中图示的,数据处理部120包括NDVI计算部121、太阳位置估计部122、太阳光入射反射角计算部123、NDVI校正部124和NDVI图像生成部125。
数据处理部120获取已由图像捕获/信息获取部110获取的图像、位置信息等;基于所获取的信息,以由图像捕获/信息获取部110获取的图像的构成像素为单元计算高度准确的NDVI值;通过将计算出的NDVI值设置为像素值来生成NDVI图像;以及将所生成的NDVI图像输出到图像显示部130。
可替换地,如上所述,执行将诸如NDVI图像之类的由数据处理部120生成的信息记录到存储部中的处理。
图6图示了描述由数据处理部120执行的处理序列的流程图。
根据流程图,将描述由数据处理部120执行的处理序列。注意的是,根据图6中图示的流程图的处理能根据存储在例如图像处理设备100的存储部中的程序执行。该处理能在例如数据处理部(控制部)的控制下执行,该数据处理部包括具有执行程序的功能的CPU等。
下文中,将顺序地描述图6中图示的流程图的各步骤中的处理。
(步骤S101)
首先,在步骤S101中,数据处理部120输入捕获图像和与捕获图像关联的元数据。
如上所述,包括安装在例如无人机中的多光谱相机的图像捕获/信息获取部110以预定的时间间隔从空中拍摄农场等的植物,并将具有互不相同波长的多对RED图像和NIR图像以及与其关联的元数据存储到存储器114中。
数据处理部120输入图像对和元数据。
如图4中图示的,图像捕获/信息获取部110的RED/NIR图像捕获部(相机)111捕获的多对RED图像和NIR图像被输入到数据处理部120的NDVI计算部121。
另外,关于由图像捕获/信息获取部110的相机位置和姿态估计部(GPS等)112估计的图像捕获时间点的相机三维位置(位置和姿态)的信息被输入到数据处理部120中包括的太阳位置估计部122、太阳光入射反射角计算部123和NDVI校正图像生成部125。
另外,由时钟部113测得的图像捕获时间点的当日时间信息被输入到太阳位置估计部122。
(步骤S102)
接下来,在步骤S102中,数据处理部120计算由图像捕获/信息获取部110的RED/NIR图像捕获部(相机)111捕获的RED和NIR图像对中的每一对的各像素的NDVI值。
该处理是由包括在数据处理部120中并在图4中图示的NDVI计算部121执行的处理。
NDVI计算部121从由NIR图像捕获部(相机)111捕获的RED和NIR图像对(诸如N对RED和NIR图像)获取在当日相同时间捕获的一对RED和NIR图像。NDVI计算部121还获取所获取的一对RED和NIR图像的对应像素的像素值,以每个像素单位计算NDVI值。
下文中,将用NDVI(k,i,j)表示在当日时间k捕获的NDVI图像的像素位置(X,Y)=(i,j)的NDVI值。
NDVI计算部121根据与上述公式(公式1)相同的以下公式(公式1)计算以每个像素单位的NDVI值。
NDVI=(NIR-RED)/(NIR+RED)...(公式1)
在以上公式(公式1)中,RED和NIR是由图像捕获/信息获取部110的RED/NIR图像捕获部(相机)111捕获的一对RED和NIR图像的对应像素位置处的像素值,也就是说,由多光谱相机捕获的图像的对应像素处的RED波长(大致0.63至0.69μm)和NIR波长(大致0.76至0.90μm)的强度(像素值)。
注意的是,当以上公式(公式1)被表示为用于计算像素单位的NDVI值(也就是说,作为在当日时间k捕获的NDVI图像的像素位置(X,Y)=(i,j)处的NDVI值的NDVI(k,i,j))的公式时,以上公式可以被表示为以下公式(公式1a)。
NDVI(k,i,j)=(NIR(k,i,j)-RED(k,i,j))/(NIR(k,i,j)+RED(k,i,j))...(公式1a)
(步骤S103)
接下来,在步骤S103中,数据处理部120计算像素相关联的太阳位置。也就是说,对于由图像捕获/信息获取部110的RED/NIR图像捕获部(相机)111捕获的RED和NIR图像,计算在图像捕获时间点处的太阳位置。注意的是,待计算的太阳位置是从图像中包括的个体构成像素观察到的像素相关联的太阳位置。
该处理是由包括在数据处理部120中并在图4中图示的太阳位置估计部122执行的处理。
太阳位置估计部122输入关于由图像捕获/信息获取部110的相机位置和姿态估计部(GPS等)112估计的图像捕获时间点的相机三维位置(位置和姿态)的信息以及由时钟部113测得的图像捕获时间点的当日时间信息,并基于输入信息来计算图像捕获/信息获取部110的RED/NIR图像捕获部(相机)111捕获的RED和NIR图像中的图像捕获时间点的太阳位置。
注意的是,关于相机三维位置(位置和姿态)的信息以及由时钟部113测得的图像捕获时间点的当日时间信息是被设置为关于已经由RED/NIR图像捕获部(相机)111捕获的RED和NIR图像的元信息的多条信息。
关于图像捕获时间点的相机位置和姿态(纬度、经度、高度、侧倾、俯仰和偏航)的信息以及当日拍摄时间信息作为元数据,与RED/NIR图像捕获部(相机)111捕获的RED和NIR图像相关联。太阳位置估计部122首先基于元信息来判定将投影到地表面上的NDVI图像的投影位置。
将参考图7描述由太阳位置估计部122执行的处理。如图7中图示的,太阳位置估计部122首先基于作为元信息的关于图像捕获时间点的相机位置和姿态(纬度、经度、高度、侧倾、俯仰和偏航)的信息,判定地表面上相对于RED/NIR图像捕获部(相机)111捕获的RED和NIR图像的投影位置,也就是说,图7中图示的捕获图像投影位置201。
通过判定捕获图像投影位置201的处理,投影到地表面上的捕获图像内部的每个像素位置可以由“纬度和经度”表示,即,是图7中图示的投影像素位置202。
在当日时间k捕获的NDVI图像Ik被投影到地表面上的情况下,投影像素Iijk的与NDVI图像I内部的像素位置(X,Y)=(i,j)对应的位置也由“纬度和经度”判定。
接下来,将描述由太阳位置估计部122执行的太阳位置估计处理的具体示例。
如图7中图示的,太阳位置估计部122计算当日时间k从投影像素Iijk的像素位置观察到的太阳位置(像素相关联的太阳位置)作为以下两种角度信息。
太阳方位角=azimuth(k,i,j)
太阳高度角=altitude(k,i,j)
注意的是,(k,i,j)对应于(当日拍摄时间索引,像素X位置索引和像素Y位置索引)。
注意的是,常规公知方法之一适用于基于输入信息即地球上的某个观察点的位置(纬度和经度)以及当日观察时间来计算定义太阳位置的太阳方位角(azimuth)和太阳高度角(altitude)的处理。
以这种方式,太阳位置估计部122计算像素相关太阳位置,也就是说,在图像拍摄时间点即当日时间k从与所拍摄图像内部的各像素Iijk对应的投影位置(=被摄体位置)观察到的太阳位置。
(步骤S104)
接下来,在步骤S104中,数据处理部120计算像素相关联的太阳光入射反射角θsc。也就是说,数据处理部120计算与由图像捕获/信息获取部110的RED/NIR图像捕获部(相机)111捕获的RED和NIR图像的各构成像素关联的太阳光入射反射角θsc。
太阳光入射反射角θsc是太阳光相对于位于与各像素相关联的被摄体位置处的被摄体的入射角与反射角之和。
步骤S104中的处理是由包括在数据处理部120中并在图4中图示的太阳光入射反射角计算部123执行的处理。
将参考图8描述由太阳光入射反射角计算部123执行的用于计算与RED和NIR图像的各构成像素关联的太阳光入射反射角θsc的处理的具体示例。
图8图示了在当日时间k捕获的图像的像素位置(i,j)处的“太阳光入射反射角θsc(k,i,j)”。
如图8中图示的,在当日时间k捕获的图像Ik的像素位置(i,j)处的“太阳光入射反射角θsc(k,i,j)”被定义为由以下两个向量形成的角度。
(a)“从太阳到投影像素的向量vSI(k,i,j)”
(b)“从投影像素到相机的向量vIC(k,i,j)”
这里,关于(a)“从太阳到投影像素的向量vSI(k,i,j)”,
可以根据在步骤S103中的太阳位置估计处理中计算出的太阳位置(azimuth(k,i,j),altitude(k,i,j))来计算向量。
另外,关于(b)“从投影像素到相机的向量vIC(k,i,j)”,
可以根据投影的像素位置与相机位置信息(纬度、经度和高度)之间的差异来计算向量。
可以从上述的以下两个向量的内积使用随后描述的公式(公式4)计算太阳光入射反射角θsc(k,i,j)。
(a)“从太阳到投影像素的向量vSI(k,i,j)”
(b)“从投影像素到相机的向量vIC(k,i,j)”
太阳光入射反射角θsc(k,i,j)=arccos(vSI(k,i,j)·vIC(k,i,j))...(公式4)
通过以上处理,太阳光入射反射角计算部123相对于投影到地表面上的所有图像的所有像素位置,计算与各像素相关联的太阳光入射反射角θsc(k,i,j)。
(步骤S105)
接下来,在步骤S105中,数据处理部120判定对由图像捕获/信息获取部110的RED/NIR图像捕获部(相机)111捕获的所有RED和NIR图像的所有像素的处理是否已完成。
也就是说,数据处理部120判定与所有捕获图像的所有像素相关联的太阳光入射反射角θsc(k,i,j)的计算处理是否已完成。
在留有一个或多个未处理像素的情况下,处理返回到步骤S102,并且对一个或多个未处理像素执行步骤S102至S104中的处理。
在判定与所有图像的所有像素相关联的太阳光入射反射角θsc(k,i,j)的计算处理已完成的情况下,处理前进至步骤S106。
(步骤S106)
接下来,在步骤S106中,数据处理部120执行校正各像素的NDVI值的处理。
也就是说,执行与各像素相关联并由图4中图示的NDVI计算部121计算出的NDVI值的校正处理。
该处理是由包括在数据处理部120中并在图4中图示的NDVI校正部124执行的处理。
如上所述,在图6中图示的流程图中的步骤S102中,图4中图示的NDVI计算部121已根据以下公式(公式1)计算每个像素单位的NDVI值。
NDVI=(NIR-RED)/(NIR+RED)...(公式1)
然而,所得的计算值是在没有考虑与各像素相关联的太阳光入射反射角的情况下计算出的值,因此是包括误差的值。
作为消除误差的处理,NDVI校正部124计算与各像素相关联并考虑了与各像素相关联的太阳光入射反射角的NDVI校正值。
随后,将参考图10的流程图描述由NDVI校正部124执行的用于与各像素相关联并考虑了太阳光入射反射角的NDVI校正值的计算处理的细节。
NDVI校正部124计算与各像素相关联并考虑了太阳光入射反射角的NDVI校正值,并将计算出的NDVI校正值输出到NDVI校正图像生成部125。
(步骤S107)
接下来,在步骤S107中,数据处理部120生成其中校正NDVI值被设置为输出像素值的NDVI校正图像。这里,在有需要时,还执行组合多个NDVI校正图像的拼接处理。
以上处理是由包括在数据处理部120中并在图4中图示的NDVI校正图像生成部125执行的处理。
NDVI校正图像生成部125生成NDVI校正图像,即,包括由NDVI校正部124在上述步骤S106中计算出的NDVI校正值的图像。
这样的NDVI校正图像具有各自包括是在考虑了与各像素相关联的太阳光入射反射角的同时以每个像素为单元进行校正的NDVI校正值的像素值,因此为其中设置了指示精度更高的植物活性度的像素值(NDVI校正像素值)的NDVI校正图像。
在图4中图示的图像显示部130上,显示由NDVI校正图像生成部125生成的NDVI校正图像。
另外,NDVI校正图像可以被存储在图像处理设备100的存储部中,在图4中未图示存储部。
注意的是,NDVI校正图像生成部125还在有需要时执行组合多个NDVI校正图像的拼接处理。
也就是说,通过执行组合多个NDVI校正图像的拼接处理来生成一个合成图像。
将参考图9描述合成图像生成处理的具体示例。
如图9中图示的,NDVI校正图像生成部125生成包括NDVI校正值的多个图像,使得图像的数量对应于捕获图像的数量。例如,NDVI校正图像生成部125生成与N个连续捕获的图像对应的N个NDVI校正图像。
接下来,执行根据个体图像在地表面上的投影位置(即,作为拍摄目标的被摄体的位置)组合多个图像的拼接处理。
注意的是,如以上参考图7描述的,可以基于作为元信息的关于图像捕获时间点的相机位置和姿势(纬度、经度、高度、侧倾、俯仰和偏航)的信息来计算个体图像在地表面上的投影位置(作为拍摄目标的被摄体的位置)。
NDVI校正图像生成部125对多个图像执行拼接处理,由此生成与例如整个大片农场的捕获图像对应的拼接合成图像220。
在图4中图示的图像显示部130上,显示由NDVI校正图像生成部125生成的拼接合成图像220。
另外,拼接合成图像220可以被存储在图像处理设备100的存储部中,在图4中未图示存储部。
[4.由NDVI校正部执行的NDVI值校正处理的细节]
接下来,将描述由包括在数据处理部120中并在图4中图示的NDVI校正部124执行的NDVI值校正处理的细节。
也就是说,将描述图6中图示的流程图的步骤S106中的处理的细节。
包括在数据处理部120中并在图4中图示的NDVI校正部124执行校正与各像素相关联并由NDVI计算部121计算出的NDVI值的处理。
如上所述,在图6中图示的流程图中的步骤S102中,NDVI计算部121根据以下公式(公式1)计算与各像素相关联的NDVI值。
NDVI=(NIR-RED)/(NIR+RED)...(公式1)
然而,所得的计算值是在没有考虑与各像素相关联的太阳光入射反射角的情况下计算出的值,因此是包括误差的值。
作为消除误差的处理,NDVI校正部124计算与各像素相关联并考虑了与各像素相关联的太阳光入射反射角的NDVI校正值。
下文中,将描述与各像素相关联、考虑了太阳光入射反射角并由NDVI校正部124执行的NDVI校正值计算处理的细节。
图10中图示的流程图是用于描述与各像素相关联、考虑了太阳光入射反射角并由NDVI校正部124执行的NDVI校正值计算处理的详细序列的流程图。
下文中,将顺序地描述流程图的各步骤中的处理。
(步骤S201)
首先,在步骤S201中,数据处理部120的NDVI校正部124选择将应用于生成采样点二维分布近似模型公式的采样点(像素),并获取所选择采样点的NDVI值和像素相关太阳光入射反射角θsc。
从NDVI图像选择采样点,在该NDVI图像中与各像素相关联并由NDVI计算部121基于在当日时间k捕获的捕获图像(RED和NIR图像)计算出的NDVI值被设置为像素值。
注意的是,如上所述,将用NDVI(k,i,j)表示在当日时间k捕获的NDVI图像的像素位置(X,Y)=(i,j)的NDVI值。
像素相关联的太阳光入射反射角θsc是由太阳光入射反射角计算部123计算出的值。如以上参考图8描述的,在当日时间k捕获的图像中的像素位置(i,j)处的太阳光入射反射角θsc用θsc(k,i,j)表示。
将参考图11描述在步骤S201中的处理的具体示例。
在步骤S201中,NDVI校正部124选择将应用于生成采样点二维分布近似模型公式的采样点(像素),并获取所选择采样点的NDVI值和像素相关联的太阳光入射反射角θsc。
如图11中图示的,NDVI校正部124从采样点(像素)获取在NDVI图像的构成像素(i,j)处的两个变量,即,NDVI值(NDVI(k,i,j))和入射反射角θsc(k,i,j)。
采样点是从根据例如N个图像(也就是说,在同一次飞行期间捕获的N对捕获图像(RED和NIR图像))生成的NDVI图像获取的。
要获取的采样点的数量是足够的,前提是所获取的采样点使得能够在步骤S203中生成采样点二维分布近似模型公式。
在步骤S203中,基于关于多个采样点处的NDVI值(NDVI(k,i,j))和入射反射角θsc(k,i,j)的个体数据来生成采样点二维分布近似模型公式。
即,关于多个采样点处的NDVI值(NDVI(k,i,j))和入射反射角θsc(k,i,j)的两个数据,生成指示NDVI值和入射反射角在二维平面上的分布状态的采样点二维分布近似模型公式。
这样的模型公式的生成是作为基于例如最小二乘法计算回归直线(y=ax+b)的处理来执行的。获得足以使得能够基于最小二乘法计算回归直线(y=ax+b)的多个采样点就足够了。
具体地,相对于例如通过在飞行中拍摄的植物种类而获得的数据,采样点的数量优选地为1000或更多个。
图12图示了指示NDVI值和反射角θsc和其上绘制了多个采样点处的NDVI值(NDVI(k,i,j))和入射反射角θsc(k,i,j)的分布的二维图形示例。
图12的(a)图示了关于基于在某次飞行期间捕获的N对图像的多个像素相关联的采样点处的NDVI值(NDVI(k,i,j))和入射反射角θsc(k,i,j)的分布数据。
水平轴(x轴)指示入射反射角θsc(k,i,j)(=x),垂直轴(y轴)指示NDVI值(NDVI(k,i,j))(=y)。
图12的(a)中图示的采样点图线具有斜右向上分布。
该数据表明入射反射角θsc(=x)越大,NDVI值(=y)越大的趋势。
该数据是与上述这样的理论相符的数据,其中,在正反射元素大的情况下,也就是说,在太阳正南的状态下从正上方拍摄植物的情况下,由多光谱相机测得的正反射元素变大,并且NDVI值变小。
以这种方式,由NDVI图像生成部121生成的NDVI图像是其中由于正反射的影响而引起NDVI值误差的NDVI图像,因为与各像素相关联的NDVI值是根据上述的以下公式(公式1)生成的。
NDVI=(NIR-RED)/(NIR+RED)...(公式1)
NDVI校正部124执行计算其中消除了误差的校正NDVI值的处理。也就是说,计算出其中消除了正反射的影响并在不顾及入射反射角θsc(=x)的大小的情况下使NDVI值(=y)恒定的校正NDVI值。
从多个NDVI图像中选择采样点。在这种情况下,采样点可以是随机获取的,或者可以根据任何规则获取。
注意的是,例如,在有目标是计算校正NDVI值的多种植物的情况下,可以采用其中仅相对于特定种类植物的区域执行采样点二维分布近似模型公式的采样和生成的配置。
以这种方式执行与这种植物相关联的处理使得能够以植物种类为单位计算高精度的校正NDVI值。也就是说,可以以植物种类为单位进行高精度的活性度判定。
在这种情况下,数据处理部120的NDVI校正部124执行以下处理:计算与该种植物相关联的采样点二维分布近似模型公式;基于计算出的与该种植物相关联的采样点二维分布近似模型公式来生成与该种植物相关联的校正NDVI值计算公式;以及基于所生成的与该种植物相关联的校正NDVI值计算公式来生成与该种植物相关联的校正NDVI值。
(步骤S202)
如上所述,在步骤S201中,数据处理部120的NDVI校正部124顺序地选择将应用于生成用于NDVI校正的采样点二维分布近似模型公式的采样点(像素),并获取在所选择采样点处的NDVI值和像素相关联的太阳光入射反射角θsc。
在步骤S202中,判定在步骤S201中获取的采样点的数量是否达到了预定数量。
预定数量是在步骤S203中使得能够计算回归直线(y=ax+b)的采样点的数量,并且是在后级的步骤S201中预先判定的数目。
注意的是,在如上所述生成与该种植物相关联的采样点二维分布近似模型公式的情况下,以植物种类为单元选择预定数量的采样点。
在预先判定了其总数的采样点处的NDVI值和像素相关联的太阳光入射反射角θsc的获取已经完成的情况下,处理前进至步骤S203;否则,继续步骤S201中的处理。
(步骤S203)
在预先判定了其总数的采样点处的NDVI值和像素相关联的太阳光入射反射角θsc的获取已经完成的情况下,处理前进至步骤S203。
在步骤S203中,NDVI校正部124通过使用关于预先判定了其总数并在步骤S201中获取的采样点处的NDVI值和像素相关联的太阳光入射反射角θsc的个体数据来生成采样点二维分布近似模型公式。
具体地,NDVI校正部124生成在图12的(a)中图示的多个采样点处的NDVI值(NDVI(k,i,j))和入射反射角θsc(k,i,j)之间的关联关系的模型公式。
作为定义采样点处的NDVI值(NDVI(k,i,j))和入射反射角θsc(k,i,j)之间的关联关系的模型公式,有各种模型公式可用。这里,作为示例,将描述使用了定义采样点处的NDVI值(NDVI(k,i,j))和入射反射角θsc(k,i,j)之间的关联关系的一阶方程的情况。
相对于采样点,y和x被定义为以下公式。
y=NDVI值(NDVI(k,i,j))
x=入射反射角θsc(k,i,j)
另外,x和y之间的关联关系被表示为以下公式(公式5)。
y=ax+b...(公式5)
其中,a和b是系数。
在步骤S203中,NDVI校正部124生成以上公式(公式5)中描述的一阶方程作为采样点二维分布近似模型公式。
在步骤S203中,NDVI校正部124通过使用最小二乘法来计算以上公式(公式5)中描述的一阶方程的系数“a”和“b”。
当日时间k的图像的采样点(i,j)处的NDVI值和入射反射角θsc表示如下。
ykij=NDVI值(NDVI(k,i,j))
xkij=入射反射角θsc(k,i,j)
也就是说,当定义以下公式时:
(xkij,ykij)=(θsc(k,i,j),NDVI(k,i,j)),
可以根据以下公式(公式6)通过使用基于用于获得回归直线的最小二乘法的常见方法来计算系数“a”和“b”。
[算术式2]
图12的(b)中图示的直线是使用根据以上公式(公式6)计算出的系数“a”和“b”对应于一阶方程y=ax+b的直线。
如图12的(b)中图示的,与一阶方程y=ax+b对应的直线成为通过用直线进行采样点集合的近似而获得的公式(采样点二维分布近似模型公式)。
注意的是,虽然这里描述了使用直线推导模型公式的示例,但采样点的分布根据待拍摄植物的种类和生长季节而大大地不同,因此,用户也可以选择能够适当地表示输入样本的模型公式。具体地,也可以计算出向其应用多项式回归、逻辑回归等的处理的模型公式。
(步骤S204至S205)
在步骤S203中生成了采样点二维分布近似模型公式的NDVI校正部124随后在步骤S204至S205中判定所生成的采样点二维分布近似模型公式的适当性。
例如,在生成上述在步骤S203中描述的一阶方程即以下的一阶方程(公式5)作为采样点二维分布近似模型公式的情况下,判定作为一阶方程的模型公式的适当性。
y=ax+b...(公式5)
其中,
y=NDVI值(NDVI(k,i,j))
x=入射反射角θsc(k,i,j),并且
a和b是系数。
对于以上作为公式(公式5)描述的一级方程,在系数“a”具有负值的情况下,太阳光入射反射角(x:入射反射角θsc)越大,y:NDVI值越小。
这表明产生了与现有理论“NDVI值随着太阳光正反射的影响的增大而减小”相冲突的模型。
在如上所述在步骤S203中计算出的系数“a”具有负值的情况下,判定采样点二维分布近似模型公式没有适当性。在这种情况下,步骤S205中的判定结果为“否”,并且在不执行NDVI值校正处理的情况下结束处理,该NDVI值校正处理将在后续步骤S206及之后执行并应用了采样点二维分布近似模型公式。
注意的是,在步骤S204和S205中的判定采样点二维分布近似模型公式的适当性的判定标准根据在步骤S203中生成的模型公式而改变。
相比之下,在步骤S203中计算出的系数“a”为正值并且判定生成了与现有理论“NDVI值随着太阳光正反射的影响的增大而减小”相一致的采样点二维分布近似模型公式的情况下,步骤S205中的判定结果为“是”,并且执行将在后续步骤S206及之后执行并应用了采样点二维分布近似模型公式的NDVI值校正处理。
(步骤S206)
在步骤S204和S205中判定在步骤S203中生成的采样点二维分布近似模型公式具有适当性的情况下,处理前进至步骤S206。
在步骤S206中,NDVI校正部124执行应用了在步骤S203中生成的采样点二维分布近似模型公式的NDVI值校正处理。
在步骤S206中,NDVI校正部124通过使用在步骤S203中生成的以下采样点二维分布近似模型公式来校正NDVI计算部121生成的NDVI图像的所有像素值(NDVI值)。
y=ax+b...(公式5)
其中,
y=NDVI值(NDVI(k,i,j))
x=入射反射角θsc(k,i,j),并且
a和b是系数。
将参考图13描述由NDVI校正部124在步骤S206中执行的NDVI值校正处理的具体示例。
首先,NDVI校正部124确定将作为校正基线的入射反射角,也就是说,xbsae=θscbase。
对于校正基线入射反射角,设置使由太阳光正反射产生的NDVI噪声足够小的入射反射角。具体地说,将例如大致45°的固定值设置为校正基线入射反射角(xbsae)是足够的。
接下来,NDVI校正部124将:
作为校正目标并基于当日时间k的捕获图像的NDVI图像在像素(i,j)处的NDVI值设置为NDVI(k,i,j)=ykij;
将同一像素处的太阳光入射反射角设置为θsc(k,i,j)=xkij;以及
将校正NDVI值设置为NDVIc(k,i,j)=yckij。
在这种设置中,作为校正目标并基于当日时间k的捕获图像的NDVI图像在像素(i,j)处的NDVI值(也就是说,NDVI(k,i,j)=ykij)以及同一像素的太阳光入射反射角(也就是说,θsc(k,i,j)=xkij)被应用于在步骤S203中产生的以下采样点二维分布近似模型公式。
y=ax+b...(公式5)
因此,所得的一阶方程成为了以下公式。
ykij=axkij+b
一阶方程为图13的(1)中图示的采样点二维分布近似模型公式,并对应于图13的(2)中虚线所表示的直线。虚线所表示的直线是表示采样点分布的一阶方程。
然而,如上所述,与NDVI值和太阳光入射反射角之间的关联关系关联并指示采样点分布的数据对应于基于由NDVI图像生成部121生成的NDVI图像生成的关系式。
由于NDVI图像生成部121根据上述的以下公式(公式1)计算出与各像素相关联的NDVI值,因此所得的NDVI图像是其中由于正反射的影响而引起NDVI值误差的NDVI图像。
NDVI=(NIR-RED)/(NIR+RED)...(公式1)
NDVI校正部124执行计算其中消除了误差的校正NDVI值的处理。也就是说,消除了正反射的影响,并且计算在不顾及入射反射角θsc(=x)的大小的情况下其NDVI值(=y)恒定的校正NDVI值。
为了执行以上处理,NDVI图像生成部121首先确定成为校正基线的以下的入射反射角。
xbsae=θscbase
该角度为在图13的(2)的曲线图的水平轴(x轴)上图示的校正基线入射反射角(θscbase=xbsae)。
注意的是,对应于校正基线入射反射角(θscbase=xbsae)的校正基线NDVI值是用以下公式表示的ybase。
ybase=axbsae+b
接下来,NDVI校正部124生成校正NDVI值计算公式,该校正NDVI值计算公式用于计算通过减小由太阳光入射反射角的变化引起的NDVI值的变化而获得的校正NDVI值。
也就是说,NDVI校正部124生成使在不顾及入射反射角θsc(=x)的大小的情况下用y=ybase表示的关系能够得以满足的校正NDVI值计算公式。
要生成的校正NDVI值计算公式是用于基于当日时间k的图像的采样点(i,j)处的NDVI值和入射反射角θsc(即,ykij=NDVI值(NDVI(k,i,j))和xkij=入射反射角θsc(k,i,j))计算校正NDVI值(也就是说,用以下公式表示的校正NDVI值(yckij))的公式,
NDVIc(k,i,j)=yckij。
NDVI校正部124生成校正NDVI值计算公式,该校正NDVI值计算公式用于计算通过减小由太阳光入射反射角的变化引起的NDVI值的变化而获得的校正NDVI值。
也就是说,NDVI校正部124生成用以下公式(公式7)表示的校正NDVI值计算公式,并使能够在不顾及入射反射角θsc(=x)的大小的情况下计算大致恒定的校正NDVI值(y=ybase)。
yckij=ybase+{ykij-(axkij+b)}...(公式7)
在以上校正公式(公式7)中,作为公式后半部的{ykij-(axkij+b)}对应于用图13的(2)中的虚线表示的直线(y=ax+b))与用图13中的(2)中的实线表示并平行于x轴的直线之间的差异。用实线表示的直线被用以下公式(公式7)表示。
yckij=ybase+{ykij-(axkij+b)}...(公式7)
在当日时间k的图像的采样点(i,j)处的NDVI值和入射反射角θsc(也就是说,ykij=NDVI值(k,i,j)和xkij=入射反射角θsc(k,i,j))被输入以上公式(公式7)时,可以获得满足所有输入值的以下关系的值。
yckij≈ybase
也就是说,在保持采样点二维分布近似模型公式与实际NDVI值之间的差异的同时,可以校正正反射引起的采样点倾斜,从而使其平坦。
(步骤S207)
最后,在步骤S207中,NDVI校正部124判定与所有捕获图像的所有像素对应的校正NDVI值的计算处理是否已经完成。
在存在一个或多个未处理图像的情况下,处理返回到步骤S206,并计算未处理像素的校正NDVI值。
在步骤S207中判定计算与所有捕获图像的所有像素对应的校正NDVI值的处理已经完成的情况下,结束处理。
以这种方式,NDVI校正部124计算与各像素相关联并考虑了太阳光入射反射角的NDVI校正值,并将计算出的NDVI校正值输出到NDVI校正图像生成部125。
NDVI校正图像生成部125生成其中校正NDVI值被设置为输出像素值的NDVI校正图像。注意的是,在有需要时,还执行组合多个NDVI校正图像的拼接处理。
NDVI校正图像具有包括是在考虑了与各像素相关联的太阳光入射反射角的同时以每个像素为单位进行校正的NDVI校正值的像素值,因此,成为其中设置了指示精度更高的植物活性度的像素值(NDVI校正像素值)的图像。
在图4中图示的图像显示部130上,显示由NDVI校正图像生成部125生成的NDVI校正图像。
另外,NDVI校正图像可以被存储在图像处理设备100的存储部中,在图4中未图示存储部。
图14中图示了具有包括通过根据本公开的处理生成的NDVI校正值的像素值的NDVI校正图像与未应用根据本公开的处理的常规NDVI图像之间的比较的示例。图14图示了以下两个NDVI图像。
(a)校正前NDVI图像
(b)校正后NDVI图像
(a)校正前NDVI图像是未执行根据本发明的校正处理的NDVI图像。也就是说,(a)校正前NDVI图像是将NDVI计算部121根据上述的以下公式(公式1)计算出的NDVI值被设置为像素值的图像。
NDVI=(NIR-RED)/(NIR+RED)...(公式1)
也就是说,(a)校正前NDVI图像是由于正反射的影响而引起了NDVI值误差的NDVI图像。与周围区域相比,位于图像中心左下方的区域是暗的,并且该区域是其中存在由太阳光正反射元素引起的大量噪声并具有小NDVI值的区域。
(b)校正后NDVI图像是执行了根据本发明的校正处理的NDVI校正图像。在这样的图像中,与周围区域相比,位于图像中心左下方的区域并不暗。该区域是其中存在因太阳光正反射元素引起的大量噪声的区域,但通过根据本公开的NDVI值校正处理将NDVI值校正成几乎与周围区域的值相近的值。
也就是说,图14中的(b)中图示的图像是其中设置了根据上述的以下公式(公式7)计算出的校正NDVI值的图像。
yckij=ybase+{ykij-(axkij+b)}...(公式7)
另外,将参考图15描述拼接图像的示例。图15图示了以下两个NDVI图像。
(a)校正前NDVI图像(拼接图像)
(b)校正后NDVI图像(拼接图像)
以上两个图像都是通过组合多个NDVI图像而获得的拼接图像。
(a)校正前NDVI图像(拼接图像)是基于未执行根据本发明的校正处理的NDVI图像的拼接图像(合成图像)。也就是说,(a)校正前NDVI图像是通过组合其中NDVI计算部121根据上述的以下公式(公式1)计算出的NDVI值被设置为像素值的多个图像而获得的合成图像。
NDVI=(NIR-RED)/(NIR+RED)...(公式1)
在合成图像的图像边界处台阶清晰可见。这是因为各图像的NDVI值有误差。
(b)校正后NDVI图像(拼接图像)是基于执行了根据本公开的校正处理的NDVI校正图像的拼接图像(合成图像)。合成图像的图像边界变成其中几乎消除了台阶的平滑边界。这是因为,通过根据本公开的NDVI值校正处理来设置正确的NDVI值。
[5.图像处理设备的硬件配置示例]
接下来,将参考图16描述根据本公开的图像处理设备的硬件配置示例。图16中图示的硬件是根据本公开的图像处理设备的具体硬件的配置示例。
CPU(中央处理单元)301用作根据存储在ROM(只读存储器)302或存储单元308中的程序来执行各种处理的控制单元或数据处理单元。例如,CPU 301根据在上述实施例中描述的顺序来执行处理。RAM(随机存取存储器)303将由CPU 301执行的程序和相关数据存储在其中。CPU 301、ROM 302和RAM 303经由总线304彼此连接。
CPU 301经由总线304连接到输入/输出接口305,输入/输出接口305连接到包括各种开关、键盘、鼠标设备、麦克风、传感器和其它输入部件的输入单元306以及包括显示器、扬声器和其它输出部件的输出单元307。
CPU 301响应于从输入单元306输入的指令执行各种处理,并将处理结果输出到例如输出单元307。
连接到输入/输出接口305的存储单元308包括例如硬盘等,并且在其中存储由CPU301执行的程序和各种数据。通信单元309用作经由诸如互联网或局域网之类的网络进行的Wi-Fi通信、蓝牙(注册商标)(BT)通信和任何其它数据通信的发送/接收单元,并与外部设备通信。
连接到输入/输出接口305的驱动器310驱动包括例如磁盘、光盘、磁光盘和诸如存储卡之类的半导体存储器的可移除介质311,以执行数据的记录/读取。
[6.本公开的配置的总结]
到目前为止,已经参考具体实施例详细描述了本公开的实施例。然而,显而易见,本领域的技术人员可以在不脱离本公开主旨的范围内实现实施例的修改形式和替换形式。也就是说,本发明已经以实例的形式公开,因此,不应以限制的方式来解释。为了掌握本公开的主旨,应该考虑本说明书中的权利要求书部分。
应该注意,在本说明书中公开的技术可以具有以下配置。
(1)一种图像处理设备,包括:
数据处理部,其输入由相机捕获的图像,并通过分析包括构成像素单位的输入图像,以计算在构成像素单位中的指示植物的活性度的植被指数,
其中,数据处理部基于与构成像素单位关联的太阳光入射角来计算通过减小由太阳光入射反射角的变化引起的植被指数的变化而获得的植被指数的校正值。
(2)根据(1)所述的图像处理设备,其中,植被指数包括NDVI(归一化差异植被指数)值。
(3)根据(2)所述的图像处理设备,
其中,输入图像包括多个构成像素单位,并且
数据处理部
从输入图像的多个构成像素单位当中选择多个采样点,以计算采样点二维分布近似模型公式,该采样点二维分布近似模型公式近似所选择的采样点处的NDVI值和太阳光入射反射角的二维分布,
基于计算出的采样点二维分布近似模型公式,生成用于计算通过减小由太阳光入射反射角的变化引起的NDVI值的变化而获得的校正值的校正NDVI值计算公式,并且
根据所生成的校正NDVI值计算公式来计算校正值。
(4)根据(1)至(3)中任一项所述的图像处理设备,其中,所述数据处理部包括
太阳位置估计部,其估计在捕获图像的时间点处的太阳位置,以及
太阳光入射反射角计算部,其通过使用由所述太阳位置估计部估计的太阳位置来计算与由相机捕获的图像的构成像素单位的太阳光入射反射角θsc。
(5)根据(1)至(4)中任一项所述的图像处理设备,其中,太阳光入射反射角计算部计算太阳光的相对于与由相机捕获的所述图像的构成像素对应的被摄体的入射角和反射角之和作为太阳光入射反射角θsc。
(6)根据(1)至(5)中任一项所述的图像处理设备,其中,所述数据处理部包括
NDVI计算部,其在不考虑所述太阳光入射反射角的情况下,通过分析由相机捕获的图像,以计算NDVI值,并生成将NDVI值设置于各像素而得到的NDVI图像,以及
NDVI校正部,其输入由NDVI计算部生成的NDVI图像,并基于采样点二维分布近似模型公式来计算通过减小由所述太阳光入射反射角的变化引起的NDVI值的变化而获得的校正NDVI值。
(7)根据(1)至(6)中任一项所述的图像处理设备,其中,数据处理部计算近似所述采样点的NDVI值和太阳光入射反射角的二维分布的一阶方程作为采样点二维分布近似模型公式。
(8)根据(7)所述的图像处理设备,其中,数据处理部通过使用应用最小二乘法的回归直线计算方法来计算一阶方程的系数。
(9)根据(2)至(8)所述的图像处理设备,其中,数据处理部还包括NDVI校正图像生成部,该NDVI校正图像生成部生成包括校正值的NDVI校正图像。
(10)根据(9)所述的图像处理设备,其中,NDVI校正图像生成部通过对多个NDVI校正图像执行拼接处理来生成合成图像。
(11)根据(2)至(10)中任一项所述的图像处理设备,其中,数据处理部从在相互不同的定时捕获的多个图像的构成像素当中选择多个采样点,并计算近似所选择的采样点的NDVI值和太阳光入射反射角的二维分布的采样点二维分布近似模型公式。
(12)根据(2)至(11)中任一项所述的图像处理设备,其中,所述数据处理部
判定计算出的采样点二维分布近似模型公式是否合适,
在判定为计算出的采样点二维分布近似模型公式合适的状况下,基于计算出的所述采样点二维分布近似模型公式来生成校正NDVI值计算公式,校正NDVI值计算公式用于计算通过减小由太阳光入射反射角的变化引起的NDVI值的变化而获得的校正值,以及
根据所生成的校正NDVI值计算公式来计算校正值。
(13)根据(12)所述的图像处理设备,其中,数据处理部执行判定计算出的采样点二维分布近似模型公式是否是与指示NDVI值随着太阳光正反射的影响的增大而减小的现有理论相符的公式的处理作为判定计算出的采样点二维分布近似模型公式是否合适的处理。
(14)根据(2)至(13)中任一项所述的图像处理设备,其中,所述数据处理部
计算与植物种类对应的采样点二维分布近似模型公式,
基于计算出的与植物种类对应的采样点二维分布近似模型公式,生成与植物种类对应的校正NDVI值计算公式,并且
根据生成的与植物种类对应的校正NDVI值计算公式,计算与植物种类对应的校正值。
(15)根据(1)至(14)中任一项所述的图像处理设备,其中,由相机捕获的图像包括由多光谱相机捕获的图像,所述多光谱相机能够同时捕获具有RED波长(大致0.63至0.69μm)和NIR波长(大致0.76至0.90μm)这两个互不相同的波长的图像。
(16)根据(1)至(15)中任一项所述的图像处理设备,其中,相机捕获的图像包括从空中捕获的图像。
(17)一种由包括数据处理部的图像处理设备执行的图像处理方法,数据处理部输入由相机捕获的图像,并通过分析包括构成像素单位的输入图像,以计算在所述构成像素单位中的指示植物的活性度的植被指数,该方法包括:
使数据处理部基于与构成像素单位相关联的太阳光入射角来计算通过减小由太阳光入射反射角的变化引起的植被指数的变化而获得的植被指数的校正值。
(18)一种使图像处理设备执行图像处理的程序,该图像处理设备包括数据处理部,该数据处理部输入由相机捕获的图像,并通过分析包括构成像素单位的输入图像,以计算在构成像素单位中的指示植物的活性度的植被指数,该程序使数据处理部执行:
基于与构成像素单位相关联的太阳光入射角来计算通过减小由太阳光入射反射角的变化引起的植被指数的变化而获得的植被指数的校正值的处理。
另外,可以通过硬件、软件或硬件和软件二者的复合配置来执行在本说明书中描述的一系列处理。在通过软件执行处理的情况下,可以采用使其中记录有处理序列的程序能够被安装到嵌入专用硬件中的计算机内部的存储器中并被执行的配置或使该程序能够被安装到能够执行各种处理的通用计算机中并被执行的配置。例如,程序可以被预先记录在记录介质上。除了使程序能够被从记录介质安装到计算机中的配置之外,还可以采用使经由诸如LAN(局域网)或互联网之类的网络能够接收程序并使接收到的程序能够被安装到装入的诸如硬盘之类的记录介质中的配置。
注意的是,在本说明书中描述的各种处理不仅可以根据所描述序列以时间顺序执行,而且根据执行处理的设备的处理能力或者在需要时并行或独立地执行。另外,在本说明书中,系统意指多个设备的逻辑聚合配置,并不限于其中独立配置的设备被容纳在同一壳体中的配置。
[工业实用性]
如上所述,本公开的实施例的配置实现了使由太阳光入射反射角的变化引起的误差减小的使得能够计算NDVI值的设备和方法。
具体地,该设备例如包括数据处理部,该数据处理部输入由相机捕获的图像,并通过分析输入图像以计算指示植物活性度的NDVI值。数据处理部从输入图像的构成像素当中选择多个采样点,计算近似所选择的采样点的NDVI值和太阳光入射反射角的二维分布的采样点二维分布近似模型公式,基于计算出的采样点二维分布近似模型公式,生成用于计算通过减小由太阳光入射反射角的变化引起的NDVI值的变化而获得的校正NDVI值的校正NDVI值计算公式,并根据所生成的校正NDVI值计算公式来计算校正NDVI值。
这种配置实现了使由太阳光入射反射角的变化引起的误差减小的使得能够计算NDVI值的设备和方法。
[参考符号列表]
10:安装有多光谱相机的无人机
100:图像处理设备
110:图像捕获/信息获取部
111:RED/NIR图像捕获部(相机)
112:相机位置和姿态估计部(GPS等)
113:时钟部
114:存储器
120:数据处理部
121:NDVI计算部
122:太阳位置估计部
123:太阳光入射反射角计算部
124:NDVI校正部
125:NDVI校正图像生成部
130:图像显示部
301:CPU
302:ROM
303:RAM
304:总线
305:输入/输出接口
306:输入单元
307:输出单元
308:存储单元
309:通信单元
310:驱动器
311:可移除介质
Claims (18)
1.一种图像处理设备,包括:
数据处理部,所述数据处理部输入由相机捕获的图像,并通过分析包括构成像素单位的输入图像,以计算在所述构成像素单位中的指示植物的活性度的植被指数,
其中,所述数据处理部基于与所述构成像素单位相关联的太阳光入射角来计算通过减小由所述太阳光入射反射角的变化引起的所述植被指数的变化而获得的所述植被指数的校正值。
2.根据权利要求1所述的图像处理设备,其中,所述植被指数包括NDVI(归一化差异植被指数)值。
3.根据权利要求2所述的图像处理设备,其中,所述输入图像包括多个构成像素单位,并且所述数据处理部
从所述输入图像的多个构成像素单位当中选择多个采样点,以计算采样点二维分布近似模型公式,所述采样点二维分布近似模型公式近似所选择的采样点处的NDVI值和太阳光入射反射角的二维分布,
基于计算出的所述采样点二维分布近似模型公式,生成用于计算通过减小由所述太阳光入射反射角的变化引起的所述NDVI值的变化而获得的校正值的校正NDVI值计算公式,并且
根据所生成的校正NDVI值计算公式来计算所述校正值。
4.根据权利要求1所述的图像处理设备,其中,所述数据处理部包括
太阳位置估计部,所述太阳位置估计部估计在捕获所述图像时的太阳位置,以及
太阳光入射反射角计算部,所述太阳光入射反射角计算部通过使用由所述太阳位置估计部估计的所述太阳位置来计算由所述相机捕获的图像的所述构成像素单位的太阳光入射反射角θsc。
5.根据权利要求1所述的图像处理设备,其中,所述太阳光入射反射角计算部计算太阳光的相对于与由所述相机捕获的图像的构成像素相对应的被摄体的入射角和反射角之和作为所述太阳光入射反射角θsc。
6.根据权利要求2所述的图像处理设备,其中,所述数据处理部包括
NDVI计算部,所述NDVI计算部在不考虑所述太阳光入射反射角的情况下,通过分析由所述相机捕获的图像,以计算所述NDVI值,并生成将所述NDVI值设置于各像素而得到的NDVI图像,以及
NDVI校正部,所述NDVI校正部输入由所述NDVI计算部生成的所述NDVI图像,并基于采样点二维分布近似模型公式来计算通过减小由所述太阳光入射反射角的变化引起的所述NDVI值的变化而获得的校正NDVI值。
7.根据权利要求2所述的图像处理设备,其中,所述数据处理部计算近似所述采样点的NDVI值和太阳光入射反射角的二维分布的一阶方程作为所述采样点二维分布近似模型公式。
8.根据权利要求7所述的图像处理设备,其中,所述数据处理部通过使用应用最小二乘法的回归直线计算方法来计算所述一阶方程的系数。
9.根据权利要求2所述的图像处理设备,其中,所述数据处理部还包括NDVI校正图像生成部,所述NDVI校正图像生成部生成包括所述校正值的NDVI校正图像。
10.根据权利要求9所述的图像处理设备,其中,所述NDVI校正图像生成部通过对多个NDVI校正图像执行拼接处理来生成合成图像。
11.根据权利要求2所述的图像处理设备,其中,所述数据处理部从在相互不同的定时捕获的多个图像的构成像素当中选择多个采样点,并计算近似所选择的采样点的NDVI值和太阳光入射反射角的二维分布的采样点二维分布近似模型公式。
12.根据权利要求2所述的图像处理设备,其中,所述数据处理部判定计算出的采样点二维分布近似模型公式是否合适,
在判定为计算出的采样点二维分布近似模型公式合适的状况下,基于计算出的采样点二维分布近似模型公式来生成校正NDVI值计算公式,所述校正NDVI值计算公式用于计算通过减小由太阳光入射反射角的变化引起的NDVI值的变化而获得的校正值,以及
根据所生成的校正NDVI值计算公式来计算所述校正值。
13.根据权利要求12所述的图像处理设备,其中,所述数据处理部执行判定计算出的采样点二维分布近似模型公式是否是与指示所述NDVI值随着太阳光正反射的影响的增大而减小的现有理论相符的公式的处理作为判定计算出的采样点二维分布近似模型公式是否合适的处理。
14.根据权利要求2所述的图像处理设备,其中,所述数据处理部计算与植物种类对应的采样点二维分布近似模型公式,
基于计算出的与所述植物种类对应的采样点二维分布近似模型公式,生成与所述植物种类对应的校正NDVI值计算公式,并且
根据生成的与所述植物种类对应的校正NDVI值计算公式,计算与所述植物种类对应的校正值。
15.根据权利要求1所述的图像处理设备,其中,由所述相机捕获的图像包括由多光谱相机捕获的图像,所述多光谱相机能够同时捕获具有RED波长(大致0.63至0.69μm)和NIR波长(大致0.76至0.90μm)这两个互不相同的波长的图像。
16.根据权利要求1所述的图像处理设备,其中,所述相机捕获的图像包括从空中捕获的图像。
17.一种由包括数据处理部的图像处理设备执行的图像处理方法,所述数据处理部输入由相机捕获的图像,并通过分析包括构成像素单位的输入图像,以计算在所述构成像素单位中的指示植物的活性度的植被指数,所述方法包括:
使所述数据处理部基于与所述构成像素单位相关联的太阳光入射角来计算通过减小由太阳光入射反射角的变化引起的所述植被指数的变化而获得的所述植被指数的校正值。
18.一种使图像处理设备执行图像处理的程序,所述图像处理设备包括数据处理部,所述数据处理部输入由相机捕获的图像,并通过分析包括构成像素单位的输入图像,以计算在所述构成像素单位中的指示植物的活性度的植被指数,所述程序使所述数据处理部执行:
基于与所述构成像素单位相关联的太阳光入射角来计算通过减小由太阳光入射反射角的变化引起的所述植被指数的变化而获得的所述植被指数的校正值的处理。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019037208 | 2019-03-01 | ||
JP2019-037208 | 2019-03-01 | ||
PCT/JP2020/002536 WO2020179276A1 (ja) | 2019-03-01 | 2020-01-24 | 画像処理装置、および画像処理方法、並びにプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113474635A true CN113474635A (zh) | 2021-10-01 |
Family
ID=72337520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080016561.4A Withdrawn CN113474635A (zh) | 2019-03-01 | 2020-01-24 | 图像处理设备、图像处理方法和程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220139082A1 (zh) |
JP (1) | JPWO2020179276A1 (zh) |
CN (1) | CN113474635A (zh) |
WO (1) | WO2020179276A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402814A (zh) * | 2023-06-07 | 2023-07-07 | 中国科学院空天信息创新研究院 | 植被指数获取、植被遥感产品真实性校验方法及装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021084907A1 (zh) * | 2019-10-30 | 2021-05-06 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6178253B1 (en) * | 1997-10-10 | 2001-01-23 | Case Corporation | Method of determining and treating the health of a crop |
AU2002317549B2 (en) * | 2001-07-24 | 2007-06-28 | The Board Of Regents For Oklahoma State University | A process for in-season nutrient application based on predicted yield potential |
JP5950166B2 (ja) * | 2013-03-25 | 2016-07-13 | ソニー株式会社 | 情報処理システム、および情報処理システムの情報処理方法、撮像装置および撮像方法、並びにプログラム |
US9886016B2 (en) * | 2015-01-08 | 2018-02-06 | International Business Machines Corporation | Automated irrigation control system |
JPWO2016181743A1 (ja) * | 2015-05-12 | 2018-03-01 | コニカミノルタ株式会社 | 植物生育指標測定装置および該方法ならびに植物生育指標測定システム |
CN109564155B (zh) * | 2016-08-17 | 2022-03-11 | 索尼公司 | 信号处理装置,信号处理方法及程序 |
US10901420B2 (en) * | 2016-11-04 | 2021-01-26 | Intel Corporation | Unmanned aerial vehicle-based systems and methods for agricultural landscape modeling |
JP7074126B2 (ja) * | 2017-03-28 | 2022-05-24 | コニカミノルタ株式会社 | 画像処理装置、生育調査画像作成システム及びプログラム |
US9984455B1 (en) * | 2017-06-05 | 2018-05-29 | Hana Resources, Inc. | Organism growth prediction system using drone-captured images |
JP7156282B2 (ja) * | 2017-07-18 | 2022-10-19 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、プログラム、情報処理システム |
JP7160037B2 (ja) * | 2017-08-01 | 2022-10-25 | ソニーグループ株式会社 | 画像処理装置、画像処理方法、並びにプログラム |
-
2020
- 2020-01-24 US US17/433,752 patent/US20220139082A1/en active Pending
- 2020-01-24 JP JP2021503458A patent/JPWO2020179276A1/ja not_active Abandoned
- 2020-01-24 CN CN202080016561.4A patent/CN113474635A/zh not_active Withdrawn
- 2020-01-24 WO PCT/JP2020/002536 patent/WO2020179276A1/ja active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402814A (zh) * | 2023-06-07 | 2023-07-07 | 中国科学院空天信息创新研究院 | 植被指数获取、植被遥感产品真实性校验方法及装置 |
CN116402814B (zh) * | 2023-06-07 | 2023-08-18 | 中国科学院空天信息创新研究院 | 植被指数获取、植被遥感产品真实性校验方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2020179276A1 (zh) | 2020-09-10 |
US20220139082A1 (en) | 2022-05-05 |
WO2020179276A1 (ja) | 2020-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220343598A1 (en) | System and methods for improved aerial mapping with aerial vehicles | |
Honkavaara et al. | Remote sensing of 3-D geometry and surface moisture of a peat production area using hyperspectral frame cameras in visible to short-wave infrared spectral ranges onboard a small unmanned airborne vehicle (UAV) | |
Pueschel et al. | An efficient approach to standardizing the processing of hemispherical images for the estimation of forest structural attributes | |
US11475550B2 (en) | Information processing apparatus, information processing method, program, and information processing system | |
US11047793B2 (en) | Signal processing apparatus, signal processing method, and progress | |
WO2021002279A1 (en) | Multi-spatial resolution measurements for generation of vegetation states | |
US11769225B2 (en) | Image processing apparatus, image processing method, and program | |
US11181470B2 (en) | Sensing system, sensing method, and sensing device | |
US20220299433A1 (en) | Information processing apparatus, information processing method, program, and sensing system | |
WO2009020519A1 (en) | Image acquisition and processing engine for computer vision | |
CN111095339A (zh) | 作物栽培支持装置 | |
CN113474635A (zh) | 图像处理设备、图像处理方法和程序 | |
JP2018151832A (ja) | 情報処理装置、情報処理方法、および、プログラム | |
JP7069609B2 (ja) | 作物栽培支援装置 | |
Kingry et al. | Vision-based terrain classification and solar irradiance mapping for solar-powered robotics | |
Xiang et al. | Measuring stem diameter of sorghum plants in the field using a high-throughput stereo vision system | |
CN107529726A (zh) | 检查装置、检查方法和程序 | |
US20180114293A1 (en) | Large scale image mosaic construction for agricultural applications | |
CN110476412B (zh) | 信息处理装置、信息处理方法和存储介质 | |
CN115598071A (zh) | 植物生长分布状态检测方法及装置 | |
CN113272855A (zh) | 用于重叠多图像应用的响应归一化 | |
WO2023019445A1 (zh) | 图像处理方法、无人飞行器和存储介质 | |
WO2016189853A1 (ja) | 画像処理装置、画像処理システム、画像処理方法およびプログラム記録媒体 | |
JP6690106B1 (ja) | 決定装置、撮像システム、及び移動体 | |
Gonçalves et al. | Modelling the Dependence of Chlorophyll Leaf-Clip Measures on Vegetation Indices Derived from Multispectral UAS Images in Vineyards Parcels |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211001 |
|
WW01 | Invention patent application withdrawn after publication |