CN114140466A - 基于图像处理的植物根系测量方法、系统及装置 - Google Patents
基于图像处理的植物根系测量方法、系统及装置 Download PDFInfo
- Publication number
- CN114140466A CN114140466A CN202210115955.6A CN202210115955A CN114140466A CN 114140466 A CN114140466 A CN 114140466A CN 202210115955 A CN202210115955 A CN 202210115955A CN 114140466 A CN114140466 A CN 114140466A
- Authority
- CN
- China
- Prior art keywords
- path
- root
- image
- root system
- main
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于图像处理的植物根系测量方法、系统及装置,方法包括:获取原始植物根系图像并结合四个标识符进行校正处理,得到校正后植物根系图像;对校正后植物根系图像进行预处理,得到植物根系二值图;基于植物根系二值图得到植物根系骨架拓扑结构,进而获取植物根系的相关信息;基于相关信息进而得到主根表型信息及单级侧根表型信息,通过复杂根系分析算法得到各个复杂根系路径,并测量长度,得到复杂根系长度。本发明克服了传统测量方法测量过程中主观性强、效率低的缺陷,能够快速、准确植物根系表型参数,满足研究对象对烟苗表型参数的测量需求,可为根系表型研究提供数据参考。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于图像的植物根系测量方法、系统及装置。
背景技术
在现有技术中,基于图像处理技术分割水稻根系以此提取根系颜色特征、发散度特征等,但仅能进行全局分析,无法对单独支根进行分析。或者通过自适应阈值分割和形态学变换提取水稻根系,尤其是采用一种特殊的形态学变换去除分割过程中产生的毛刺、断裂现象,为后继研究人员对根系的拓扑结构研究提供了分割思路,缺点是细小根会导致无法保留,作者也没有进一步提供根系拓扑结构分析的研究思路。另外还有人提供了现有根系接触式观察和无接触图像采集技术调研。其中Schubart采用土壤剖面法结合水冲法,Sach采用玻璃隔板观察法,Weaver对根系挖掘方法进行了改进与规范等,但总体而言,根系研究方法仍然以挖掘手动操作法为主。随着技术条件的提升,三维摄影法、核磁共振法、3D激光扫描法等探测直径不小于5mm的根系并将其转换为图像信息。等等。
在目前对植物根系的研究中,一般对根系测量或分析的研究主要是:①通过新型装置提高对根系的分离,边缘后继的观察与手动操作;②通过现代化技术,尤其是图像处理、计算机视觉技术,实现对根系的分割、全局特征提取(包括总长度、总横截面积、整体颜色等)。不足之处在于,现代分析需求需要了解根系的拓扑结构特征,例如根系所有根的数量,各个根的长度、各个根的根粗等,即需要对独立单条根进行分析,难点在于不同根之间存在交叉、重叠,对拓扑结构的分析造成了极大的难度。
本专利主要解决的问题是,对根系拓扑结构分析给出理论依据,并提供具体的解决方案,达到对根系中任一单独根的检测、特征分析,也包括对根系全局特征的分析。
发明内容
本发明针对现有技术中的缺点,提供了一种基于图像的植物根系测量方法、系统及装置。
为了解决上述技术问题,本发明通过下述技术方案得以解决:
一种基于图像处理的植物根系测量方法,包括以下步骤:
获取原始植物根系图像并结合四个标识符进行校正处理,得到校正后植物根系图像,其中,所述四个标识符在原始植物根系图像的四个角;
对校正后植物根系图像进行预处理,得到植物根系二值图;
基于植物根系二值图得到植物根系骨架拓扑结构,进而获取植物根系的相关信息,所述相关信息至少包括端点集合及交点集合;
通过单源路径搜索算法遍历端点集合中所有两两端点形成的第一路径,第一路径上交点数量最多的为主根路径,进而得到主根表型信息,主根表型信息包括主根长度及主根根粗;
通过单源路径搜索算法遍历剩余端点到主根交点集合中各个主根交点形成的第二路径,第二路径上不存在任何交点的为单级侧根,得到单级侧根表型信息,其中,所述单级侧根表型信息包括单级侧根长度;
排除端点集合及交点集合中主根及单级侧根所包含的端点及交点,端点集合中剩余端点则为复杂根系所在端点,交点集合中剩余交点则为复杂根系之间相互交错的交点,通过复杂根系分析算法得到各个复杂根系路径,并测量长度,得到复杂根系长度。
作为一种可实施方式,所述结合四个标识符进行校正处理,得到校正后植物根系图像,包括以下步骤:
将四个标识符的中心坐标按照顺时针顺序或逆时针顺序依次设置为C1、C2、C3、C4,其中,C1为第一角标识符中心坐标、C2为第二角标识符中心坐标、C3为第三角标识符中心坐标、C4为第四角标识符中心坐标,并将中心坐标所形成矩形的长宽比设置为a:b;
将相邻两个角的标识符中心坐标C1、C4进行矩形拟合,得到 变换后的中心坐标C2 '、C3 ';
基于中心坐标集[C1,C2,C3,C4]与变换后的中心坐标集[C1,C2 ',C3 ',C4]得到变换矩阵;
基于变换矩阵对原始植物根系图像进行全局变换处理得到第二图像;
将变换后的中心坐标集所形成矩形的长宽比设置为a:c,结合长宽比a:b对第二图像的宽度进行尺度变换且变换比例为b/c,得到校正后植物根系图像。
作为一种可实施方式,所述通过单源路径搜索算法遍历端点集合中所有两两端点形成的第一路径,第一路径上交点数量最多的为主根,根据切垂线测量算法进而得到主根表型信息,包括以下步骤:
根据植物根系骨架拓扑结构、端点集合记作(e1,e2,…,em)及交点集合记作(c1,c2,…,cn) ,遍历所有任意两端点,根据单源路径搜索算法得到第一路径;
交点数量比任意其他两端点所成第一路径上交点数量都多的第一路径为主根路径,将主根路径的长度进行尺度变换即为主根长度;
在主根路径选取多个采样点位置,计算每个采样点位置处的切线及角度并做垂线,所述垂线穿过主根宽度即为相应位置处的宽度,将所有采样点位置处的宽度进行统计及处理,得到主根宽度。
作为一种可实施方式,通过单源路径搜索算法遍历剩余端点到交点集合之间形成的第二路径,第二路径上不存在任何交点的为单级侧根,根据切垂线测量算法得到单级侧根表型信息,包括以下步骤:
将端点集合和交点集合去除主根包含的端点和交点,得到新端点集合和新交点集合,新端点集合记作 (e1,e2,…,em-2),新交点集合记作(c1,c2,…,cn-x),主根交点集合记作(cmain_1,cmain_2,…,cmain_x);
遍历新端点集合到主根交点集合(cmain_1,cmain_2,…,cmain_x)的所有第二路径,查找出最短路径,若最短路径上不存在其余交点,则为单级侧根路径;
将单级侧根路径的长度经过尺度变换得到单级侧根长度。
作为一种可实施方式,所述通过复杂根系分析算法得到各个复杂根系路径,包括以下步骤:
将去除主根端点、单级侧根端点后的端点集合记作第二端点集合,所述第二端点集合为复杂根系端点集合;
根据最短路径搜索算法查找第二端点集合中距离其最近交点以及最近路径,将所述最近交点记作一级交点,所述最近路径记作第三路径;
根据一级交点搜索第二交点集合中是否存在与一级交点之间相连的形成路径的第二交点;
若不存在,则停止搜索,所述路径则为第二端点集合中相应端点对应侧根的完整路径,若存在则第二交点集合中相应的交点为二级交点;
计算一级交点与二级交点之间的第四路径,选择第四路径中与第三路径所成夹角中的最大夹角,判断所述最大夹角是否满足预设夹角值;
若不满足,则第三路径为第二端点集合中相应端点对应侧根的完整路径;若满足,判断二级交点是否位于主根路径上;
若位于主根路径上,则停止搜索,所述第三路径与所述第四路径即为相应端点对应侧根的完整路径;
若不在主根路径上,用二级交点替换原始一级交点,重复以上操作继续搜索,直到达到满足停止条件。
作为一种可事实方式,所述停止条件包括以下任意一项:
当前一级交点无法在第二交点集合中找到与一级交点构成直接相连路径的第二交点;
或,所得完整路径上一点在主根路径上;
第三路径与第四路径所成角度不满足预设夹角值。
作为一种可实施方式,所述对校正后植物根系图像进行预处理,得到植物根系二值图,包括以下步骤:
获取校正后植物根系图像的灰度图;
对灰度图进行双边滤波处理并去除噪声干扰得到滤波图;
对滤波图进行局部阈值分割得到第一二值图,对滤波图进行边缘提取处理得到边缘图像;
将第一二值图和边缘图像进行融合处理,得到融合图像;
对融合图像进行特征分析并去除杂质,得到特征选择结果图;
对特征选择结果图进行形态学变换得到植物根系二值图。
作为一种可实施方式,所述四个标识符设置在图像采集装置内,所述图像采集装置包括背景板,所述背景板包含4个标识符,标识符分布在背景板4个角,标识符颜色与背景板颜色具有明显的对比度标识符中心连接而成的矩形长宽比为4:3。
一种基于图像处理的植物根系测量系统,包括图像获取处理模块、图像预处理模块、端点交点获取模块、主根信息获取模块、单级侧根获取模块及复杂根系获取模块;
所述图像获取处理模块,用于获取原始植物根系图像并结合四个标识符进行校正处理,得到校正后植物根系图像,通过所述校正后植物根系图像还原植物根系原始形态结构信息,其中,所述四个标识符在原始植物根系图像的四个角;
所述图像预处理模块,用于对校正后植物根系图像进行预处理,得到植物根系二值图;
所述端点交点获取模块,基于植物根系二值图得到植物根系骨架拓扑结构,进而获取植物根系的相关信息,所述相关信息至少包括端点集合及交点集合;
所述主根信息获取模块,用于通过单源路径搜索算法遍历端点集合中所有两两端点形成的第一路径,第一路径上交点数量最多的为主根路径,进而得到主根表型信息,主根表型信息包括主根长度及主根根粗;
所述单级侧根获取模块,用于通过单源路径搜索算法遍历剩余端点到主根交点集合中各个主根交点形成的第二路径,第二路径上不存在任何交点的为单级侧根,得到单级侧根表型信息,其中,所述单级侧根表型信息包括单级侧根长度;
所述复杂根系获取模块,用于排除端点集合及交点集合中主根及单级侧根所包含的端点及交点,端点集合中剩余端点则为复杂根系所在端点,交点集合中剩余交点则为复杂根系之间相互交错的交点,通过复杂根系分析算法得到各个复杂根系路径,并测量长度,得到复杂根系长度。
作为一种可实施方式,所述图像获取处理模块包括图像采集装置;
所述四个标识符设置在图像采集装置内,所述图像采集装置包括背景板,所述背景板包含4个标识符,标识符分布在背景板4个角,标识符颜色与背景板颜色具有明显的对比度标识符中心连接而成的矩形长宽比为4:3。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法步骤。
一种基于图像处理的植物根系测量装置,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法步骤。
本发明由于采用了以上技术方案,具有显著的技术效果:
本发明克服了传统测量方法测量过程中主观性强、效率低的缺陷,能够快速、准确植物根系表型参数,满足研究对象对烟苗表型参数的测量需求,可为根系表型研究提供数据参考。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明方法的整体流程示意图;
图2是本发明系统的整体结构示意图;
图3是本发明图像采集装置的示意图;
图4是本发明基于3个颜色通道得到植株二值图的示意图;
图5-图6是骨架拓扑结构端点、交点分析过程中像素8邻域结构图;
图7是本发明实施例中切垂线测量原理图;
图8是采用本发明方法得到的植物根系二值图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例1:
一种基于图像处理的植物根系测量方法,如图1所示,包括以下步骤:
S100、获取原始植物根系图像并结合四个标识符进行校正处理,得到校正后植物根系图像,其中,所述四个标识符在原始植物根系图像的四个角;另外,通过所述校正后植物根系图像还原植物根系原始形态结构信息;
S200、对校正后植物根系图像进行预处理,得到植物根系二值图;
S300、基于植物根系二值图得到植物根系骨架拓扑结构,进而获取植物根系的相关信息,所述相关信息至少包括端点集合及交点集合;
S400、通过单源路径搜索算法遍历端点集合中所有两两端点形成的第一路径,第一路径上交点数量最多的为主根路径,进而得到主根表型信息,主根表型信息包括主根长度及主根根粗;
S500、通过单源路径搜索算法遍历剩余端点到主根交点集合中各个主根交点形成的第二路径,第二路径上不存在任何交点的为单级侧根,得到单级侧根表型信息,其中,所述单级侧根表型信息包括单级侧根长度;
S600、排除端点集合及交点集合中主根及单级侧根所包含的端点及交点,端点集合中剩余端点则为复杂根系所在端点,交点集合中剩余交点则为复杂根系之间相互交错的交点,通过复杂根系分析算法得到各个复杂根系路径,并测量长度,得到复杂根系长度。
在步骤S100中,结合四个标识符进行校正处理,得到校正后植物根系图像,包括以下步骤:
S110、将四个标识符的中心坐标按照顺时针顺序或逆时针顺序依次设置为C1、C2、C3、C4,其中,C1为第一角标识符中心坐标、C2为第二角标识符中心坐标、C3为第三角标识符中心坐标、C4为第四角标识符中心坐标,并将中心坐标所形成矩形的长宽比设置为a:b;
S120、将相邻两个角的标识符中心坐标C1、C4进行矩形拟合,得到变换后的中心坐标C2 '、C3 ';
S130、基于中心坐标集[C1,C2,C3,C4]与变换后的中心坐标集[C1,C2 ',C3 ',C4]得到变换矩阵;
S140、基于变换矩阵对原始植物根系图像进行全局变换处理得到第二图像;
S150、将变换后的中心坐标集所形成矩形的长宽比设置为a:c,结合长宽比a:b对第二图像的宽度进行尺度变换且变换比例为b/c,得到校正后植物根系图像。
具体地在实际操作中,标识符为圆形,背光板中标识符圆形所成矩形长宽比为a:b;原始采集原始图像为image1,将原始图像image1中左上角、右上角、左下角、右下角圆心坐标为C1、C2、C3、C4,根据左上角、右下角圆心坐标C1、C4进行外接矩形拟合,得到 C2 '、 C3 ';根据实际圆心坐标集[C1,C2,C3,C4]与变换后圆心坐标集[C1,C2 ',C3 ',C4]获得变换矩阵图像image1;将变换矩阵对图像image1进行全局变换得到第二图像image2;设变换后圆心所成矩形长宽比为a:c,需要将其复原到a:b尺度下,对第二图像image2的宽度进行尺度变换,变换比例为b/c,即对第二图像image2宽度变换到b/c倍得到校正后植物根系图像image3。在此实施例中,所述四个标识符设置在图像采集装置内,所述图像采集装置包括背景板,所述背景板包含4个标识符,标识符分布在背景板4个角,标识符颜色与背景板颜色具有明显的对比度标识符中心连接而成的矩形长宽比为4:3。另外,图像采集装置势必还包括图像采集设备,参见附图3所示,背景板10由纯色、材质不透明不反光的平面板101、颜色不同于平面板101的标识符102组成;而标识符102的形状可以为圆形,可以为方形;图像采集设备20为具有摄像或拍照功能的仪器,本发明实施例不作具体限定。
在步骤S200中,所述对校正后植物根系图像进行预处理,得到植物根系二值图,包括以下步骤:
S210、获取校正后植物根系图像的灰度图;
S220、对灰度图进行双边滤波处理并去除噪声干扰得到滤波图;
S230、对滤波图进行局部阈值分割得到第一二值图,对滤波图进行边缘提取处理得到边缘图像;
S240、将第一二值图和边缘图像进行融合处理,得到融合图像;
S250、对融合图像进行特征分析并去除杂质,得到特征选择结果图;
S260、对特征选择结果图进行形态学变换得到植物根系二值图。
在实际操作中,结合附图有以下处理步骤:
获取到图像image3的灰度图imageGray;对灰度图imageGray进行双边滤波处理去除噪声干扰得到滤波图imageBilateral;对滤波图imageBilateral进行局部阈值分割得到第一二值图imageThre,对滤波图imageBilateral进行边缘提取得到边缘图像edgeImage;对第一二值图imageThre和边缘图edgeImage进行融合得到融合图fusionImage;对融合图fusionImage进行特征分析去除杂质得到特征选择结果图filterImage;对特征选择结果图filterImage进行形态学变换得到植物根系二值图image4,如图8所示。
在实际操作中,由于植物根系较细且各根之间间距较小,常规分割易受周围信息影响,因此双边滤波同时考虑图像空域信息和灰度相似性达到保边去噪的目的;由于图像可能存在光照不均,因此采用局部二值化分割目标区域,但由于根系较细,分割过程中容易发生断裂现象,而canny边缘提取算法具有各向异性特点能够较好获取根系边缘,因此将边缘图像与局部阈值分割图像进行融合,能够很好地解决断裂问题;由于灰尘、根土抖落在背光板上导致分割为前景,通过形态学变换、宽度特征、长度特征、面积特征分析滤除干扰物。最终得到根系分割二值图。
在步骤S300中,基于植物根系二值图得到植物根系骨架拓扑结构,进而获取植物根系的相关信息,所述相关信息至少包括端点集合及交点集合,具体为:
根据植物根系二值图image4,采用Zhang-Suen骨架提取算法获得植物根系骨架拓扑结构image5;对植物根系骨架拓扑结构image5进行分析,获得端点集合(e1,e2,…,em)、交点集合(c1,c2,…,cn),其中,端点集合中各个端点所在位置为各条根顶端,交点集合中的交点为各条根连接处的所有点。
另外,图4为骨架提取过程中图像任一像素8邻域结构图, P1为目标像素,通过对图像中各个像素进行结构分析,提取植物根系骨架拓扑结构,具体为:
Step1:循环所有前景像素点,对符合如下条件的像素点标记为删除。
(a)2<=B(P1)<=6
(b)A(P1)=1
(c)P2*P4*P6=0
(d)P4*P6*P8=0
条件(a),中心像素P1周围的目标像素(二值中的1)的个数之和在2和6之间;条件(b),8邻域像素中,按顺时针方向,相邻两个像素出现0->1的次数。
Step2:跟Step1很类似,条件(a)、(b)完全一致,只是条件(c)、(d)稍微不同,满足如下条件的像素P1则标记为删除,条件如下:
(a)2<=B(P1)<=6
(b)A(P1)=1
(c)P2*P4*P8=0
(d)P2*P6*P8=0
循环上述两步骤,直到两步中都没有像素被标记为删除为止,输出的结果即为二值图像细化后的植物根系骨架拓扑结构。
图5-图6为植物根系骨架拓扑结构中所有端点及所有交点分析过程中像素8邻域结构图,其中“5”号对应图中黑色位置,即待分析目标像素位置,具体为:
根据下表,对 “1、2、3、4、6、7、8、9”号像素值进行分析,根据表中成立条件和终止条件,当满足成立条件时即成立条件下对应位置处像素为前景,该点即为交点;
根据图6,该像素所在8邻域仅有一个位置为前景则为交点,否则不是交点则为端点。
另外,在步骤S400中,所述通过单源路径搜索算法遍历端点集合中所有两两端点形成的第一路径,第一路径上交点数量最多的为主根,根据切垂线测量算法进而得到主根表型信息,包括以下步骤:
根据植物根系骨架拓扑结构、端点集合记作(e1,e2,…,em)及交点集合记作(c1,c2,…,cn) ,遍历所有任意两端点,根据单源路径搜索算法得到第一路径;
交点数量比任意其他两端点所成第一路径上交点数量都多的第一路径为主根路径,将主根路径的长度进行尺度变换即为主根长度;
在主根路径选取多个采样点位置,计算每个采样点位置处的切线及角度并做垂线,所述垂线穿过主根宽度即为相应位置处的宽度,将所有采样点位置处的宽度进行统计及处理,得到主根宽度。
在步骤S500中,通过单源路径搜索算法遍历剩余端点到交点集合之间形成的第二路径,第二路径上不存在任何交点的为单级侧根,根据切垂线测量算法得到单级侧根表型信息,包括以下步骤:
将端点集合和交点集合去除主根包含的端点和交点,得到新端点集合和新交点集合,新端点集合记作 (e1,e2,…,em-2),新交点集合记作(c1,c2,…,cn-x),主根交点集合记作(cmain_1,cmain_2,…,cmain_x);
遍历新端点集合到主根交点集合(cmain_1,cmain_2,…,cmain_x)的所有第二路径,查找出最短路径,若最短路径上不存在其余交点,则为单级侧根路径;
将单级侧根路径的长度经过尺度变换得到单级侧根长度。
主根及单级侧根检测方式相同,在实际实施例中,S400及S500也可同时进行:根据根系拓扑结构特征检测主根、单级侧根信息,获取主根路径、单级侧根路径信息,根据切垂线测量法获取主根根粗信息,具体为:
根据所述植物根系骨架拓扑结构image5、端点集合(e1,e2,…,em)及交点集合(c1,c2,…,cn) ,遍历所有任意两端点,根据单源路径搜索算法得到对应路径,假设端点(emain_start,emain_end)为主根起始点和结束点,其路径上交点集合为(cmain_1,cmain_2,…,cmain_x)其中x<=n,其中主根特点是该路径上的交点数量比任意其他两端点所成路径上交点数量都多;
去除主根端点后新的端点集合为(e1,e2,…,em-2),新的交点集合为(c1,c2,…,cn-x),遍历新的端点集合,搜索其到主根上交点集合(cmain_1,cmain_2,…,cmain_x)的最短路径,如果路径上不存在其余交点,则为单级侧根,其中单级侧根端点集合为(esingle_1,esingle_2,…,ey),其中y<=m-2;
其中单源路径计算方法采用Dijkstra算法,具体为:
DIJKSTRA(G,w,s)
1 initialize-single-source(G,s)
2 S=null
3 Q=G.V
4 While Q!=null
5 u=extract-min(Q)
6 S=S∪{u}
7 For each vertex v∈G.Adj[u]
8 RELAX{u,v,w}
其中,G为骨架图像构造图,w为各条边权重,s为起点即pi;首先初始化一个空集S,用于存储已经确定最短板路径的顶点,其中骨架上每一个点都作为图的顶点;初始化集合Q,包含图中所有顶点G.V,Q为自定义数据结构,采用最小优先队列,键为各个顶点最短距离;4-8行,从Q中取出从s到顶点最短距离最小的顶点u,将u加入S,对每个和u相邻的顶点重新计算路径长度,以替换当前最短但大于新路径的路径。
根据所获得主根单源路径拓扑结构信息,从路径起始点往末端点方向遍历,计算路径上各点切线及其对应斜率angle1,并根据该斜率计算过对应点的垂线斜率angle2并作垂线line,垂线所过连通域集合数量即为对应位置处主根宽度width,另外,切垂线求解原理示意图见图7;根据上述步骤获得主根、单级侧根表型信息,其中包括主根长度、主根根粗、单级侧根长度,当然还可以包括其他信息如单级侧根根粗信息,本发明实施例不作具体限定。
在步骤S600中,所述通过复杂根系分析算法得到各个复杂根系路径,包括以下步骤:
将去除主根端点、单级侧根端点后的端点集合记作第二端点集合,所述第二端点集合为复杂根系端点集合;
根据最短路径搜索算法查找第二端点集合中距离其最近交点以及最近路径,将所述最近交点记作一级交点,所述最近路径记作第三路径;
根据一级交点搜索第二交点集合中是否存在与一级交点之间相连的形成路径的第二交点;
若不存在,则停止搜索,所述路径则为第二端点集合中相应端点对应侧根的完整路径,若存在则第二交点集合中相应的交点为二级交点;
计算一级交点与二级交点之间的第四路径,选择第四路径中与第三路径所成夹角中的最大夹角,判断所述最大夹角是否满足预设夹角值;
若不满足,则第三路径为第二端点集合中相应端点对应侧根的完整路径;若满足,判断二级交点是否位于主根路径上;
若位于主根路径上,则停止搜索,所述第三路径与所述第四路径即为相应端点对应侧根的完整路径;
若不在主根路径上,用二级交点替换原始一级交点,重复以上操作继续搜索,直到达到满足停止条件。另外,在一个实施例中具体限定了停止条件包括以下任意一项:
当前一级交点无法在第二交点集合中找到与一级交点构成直接相连路径的第二交点;
或,所得完整路径上一点在主根路径上;
第三路径与第四路径所成角度不满足预设夹角值。
具体实现可参见以下步骤:除主根、单级侧根外的端点集合(e1,e2,…,em-y-2)即为复杂根系端点集合(cmain_1,cmain_2,…,cmain_x),复杂根系交错形成交点集合(c1,c2,…,cn-x),根据本文提出的根系平滑性分析法检测复杂根路径信息,以其中一条复杂根的搜索过程为例:具体为:
输入:
根系植物根系骨架拓扑结构:src
该根起始点:rootStartPt
主根交点集合:mainRootCrossPts
其他交点(非主根交点)集合:otherCrossPts
初始化数据:
主根交点标识图:mainMaskImage
所有交点标识图:maskImage
所有交点集合:crossPts
主根交点新集合:newMainCrossPts
所有交点新集合:newCrossPts
根路径节点栈:stackPts
算法开始:
根据单源路径搜索算法,在主根交点集合newMainCrossPts中搜索与根起始点rootStartPt所成最短路径pathPoints;
根据单源路径搜索算法,在pathPoints中搜索与rootStartPt邻近的交点firstCrossPt,相邻判断条件是根据路径上是否还包含其余交点,如果不包含即为相邻,否则不相邻;
rootStartPt、firstCrossPt有序入栈stackPts;
将rootStartPt、firstCrossPt从newMainCrossPts和newCrossPts集合中剔除;
While
Step1:从stackPts中取次栈顶、栈顶pt1、pt2,根据单源路径搜索算法得路径pathpt1-pt2;
Step2:在newCrossPts中查找与pt2相邻的所有交点集合nearCrossSet;
Step3:遍历nearCrossSet,根据单源路径搜索算法得到pt2与各个点对应的路径pathpt2-ptx,与pathpt1-pt2组合成路径pathpt1-pt2-ptx,计算pathpt1-pt2-ptx路径在pt2处所成角度anglex,返回其中所成最小角度情况下的点ptx及其角度anglex;
Step4:①判断anglex是否符合平滑性阈值:不符合则退出迭代;②符合阈值,将ptx入栈stackPts,进一步判断ptx是否在主根上,如果在主根上,退出迭代;③如果不在主根上,将ptx从newMainCrossPts和newCrossPts集合中剔除,并转Step1。
结束while后,假设stackPts集合为(pt1,pt2,...,pty),依次求路径pathpt1-pt2、pathpt2-pt3、...、pathpty-1-pty,并依次拼接得到路径rootPath,所得即所求。如此便的其中一条复杂根的路径,逐个遍历复杂根端点,即可得到所有复杂根路径。
于其他实施例,还包括以下步骤:对复杂根系分析算法进行优化,得到所有复杂根系路径。对复杂根的检测算法进行优化,尤其是根系之间存在交叉、闭环以及数量庞大的情况时,通过一种字典构建与搜索法提高检测效率。
具体为:
主根端点集合Emain、主根交点集合Cmain、单级侧根端点集合Esingle,并由此整理得复杂根端点集合Ecomplex、复杂根交点和端点集合ECcomplex。其中,事先构造数据结构用于存放每个点的邻居信息,如下。srcPoint为当前点,neighborPoint为能够与srcPoint直接连通的邻居集合合,neighborPath为上述点到邻居点对应的路径集合。
struct crossPTInformation
{
Point srcPoint;
vector<Point> neighborPoint;
vector<vector<Point>> neighborPath;
};
Step1:搜索字典构建
遍历集合ECcomplex中的点,获取与所遍历点能够直接相连的集合及其对应路径信息crossPTInformation,将所有信息存储到向量searchDict中。
根据实施例1中提出的根系平滑性分析法检测复杂根路径信息,以其中一条复杂根的搜索过程为例,具体为:
输入:
根系植物根系骨架拓扑结构:src
该根起始点:rootStartPt
主根交点集合:mainRootCrossPts
其他交点(非主根交点)集合:otherCrossPts
搜索字典:searchDict
初始化数据:
主根交点标识图:mainMaskImage
所有交点标识图:maskImage
所有交点集合:crossPts
主根交点新集合:newMainCrossPts
所有交点新集合:newCrossPts
根路径节点栈:stackPts
算法开始:
在主根交点集合newMainCrossPts中搜索与根起始点rootStartPt所成最短路径pathPoints;
在pathPoints中搜索与rootStartPt邻近的交点firstCrossPt;
rootStartPt、firstCrossPt有序入栈stackPts;
将rootStartPt、firstCrossPt从newMainCrossPts和newCrossPts集合中剔除;
While
Step2:从stackPts中取次栈顶、栈顶pt1、pt2,在searchDict中搜索pt1-pt2的路径pathpt1-pt2;
Step3:在searchDict中取以pt2为起点的邻居信息,包括邻居集合合crossSets、对应路径crossSetPaths;
Step4:遍历crossSets与crossSetPaths,得到pt2与各个点对应的路径pathpt2-ptx,与pathpt1-pt2组合成路径pathpt1-pt2-ptx,计算pathpt1-pt2-ptx路径在pt2处所成角度anglex,返回其中所成最小角度情况下的点ptx及其角度anglex;
Step5:①判断anglex是否符合平滑性阈值:不符合则退出迭代;②符合阈值,将ptx入栈stackPts,进一步判断ptx是否在主根上,如果在主根上,退出迭代;③如果不在主根上,将ptx从newMainCrossPts和newCrossPts集合中剔除,并转Step2。
结束while后,假设stackPts集合为(pt1,pt2,...,pty),依次求路径pathpt1-pt2、pathpt2-pt3、...、pathpty-1-pty,并依次拼接得到路径rootPath,所得即所求。如此便的其中一条复杂根的路径,逐个遍历复杂根端点,即可得到所有复杂根路径。
实施例2:
一种基于图像处理的植物根系测量系统,如图2所示,包括图像获取处理模块100、图像预处理模块200、端点交点获取模块300、主根信息获取模块400、单级侧根获取模块500及复杂根系获取模块600;
所述图像获取处理模块100,用于获取原始植物根系图像并结合四个标识符进行校正处理,得到校正后植物根系图像,通过所述校正后植物根系图像还原植物根系原始形态结构信息,其中,所述四个标识符在原始植物根系图像的四个角;
所述图像预处理模块200,用于对校正后植物根系图像进行预处理,得到植物根系二值图;
所述端点交点获取模块300,基于植物根系二值图得到植物根系骨架拓扑结构,进而获取植物根系的相关信息,所述相关信息至少包括端点集合及交点集合;
所述主根信息获取模块400,用于通过单源路径搜索算法遍历端点集合中所有两两端点形成的第一路径,第一路径上交点数量最多的为主根路径,进而得到主根表型信息,主根表型信息包括主根长度及主根根粗;
所述单级侧根获取模块500,用于通过单源路径搜索算法遍历剩余端点到主根交点集合中各个主根交点形成的第二路径,第二路径上不存在任何交点的为单级侧根,得到单级侧根表型信息,其中,所述单级侧根表型信息包括单级侧根长度;
所述复杂根系获取模块600,用于排除端点集合及交点集合中主根及单级侧根所包含的端点及交点,端点集合中剩余端点则为复杂根系所在端点,交点集合中剩余交点则为复杂根系之间相互交错的交点,通过复杂根系分析算法得到各个复杂根系路径,并测量长度,得到复杂根系长度。
具体地,所述图像获取处理模块100包括图像采集装置;所述四个标识符设置在图像采集装置内,所述图像采集装置包括背景板,所述背景板包含4个标识符,标识符分布在背景板的4个角,标识符颜色与背景板颜色具有明显的对比度标识符中心连接而成的矩形长宽比为4:3。另外,图像采集装置势必还包括图像采集设备,参见附图3所示,背景板10由纯色、材质不透明不反光的平面板101、颜色不同于平面板101的标识符102组成;而标识符102的形状可以为圆形,可以为方形;图像采集设备20为具有摄像或拍照功能的仪器,本发明实施例不作具体限定。
实施例3:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如下所述的方法步骤:
S100、获取原始植物根系图像并结合四个标识符进行校正处理,得到校正后植物根系图像,通过所述校正后植物根系图像还原植物根系原始形态结构信息,其中,所述四个标识符在原始植物根系图像的四个角;
S200、对校正后植物根系图像进行预处理,得到植物根系二值图;
S300、基于植物根系二值图得到植物根系骨架拓扑结构,进而获取植物根系的相关信息,所述相关信息至少包括端点集合及交点集合;
S400、通过单源路径搜索算法遍历端点集合中所有两两端点形成的第一路径,第一路径上交点数量最多的为主根路径,进而得到主根表型信息,主根表型信息包括主根长度及主根根粗;
S500、通过单源路径搜索算法遍历剩余端点到主根交点集合中各个主根交点形成的第二路径,第二路径上不存在任何交点的为单级侧根,得到单级侧根表型信息,其中,所述单级侧根表型信息包括单级侧根长度;
S600、排除端点集合及交点集合中主根及单级侧根所包含的端点及交点,端点集合中剩余端点则为复杂根系所在端点,交点集合中剩余交点则为复杂根系之间相互交错的交点,通过复杂根系分析算法得到各个复杂根系路径,并测量长度,得到复杂根系长度。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同、相似的部分互相参见即可。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是:
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
此外,需要说明的是,本说明书中所描述的具体实施例,其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化,均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (13)
1.一种基于图像处理的植物根系测量方法,其特征在于,包括以下步骤:
获取原始植物根系图像并结合四个标识符进行校正处理,得到校正后植物根系图像,其中,所述四个标识符在原始植物根系图像的四个角;
对校正后植物根系图像进行预处理,得到植物根系二值图;
基于植物根系二值图得到植物根系骨架拓扑结构,进而获取植物根系的相关信息,所述相关信息至少包括端点集合及交点集合;
通过单源路径搜索算法遍历端点集合中所有两两端点形成的第一路径,第一路径上交点数量最多的为主根路径,进而得到主根表型信息,主根表型信息包括主根长度及主根根粗;
通过单源路径搜索算法遍历剩余端点到主根路径上的主根交点集合中各个主根交点形成的第二路径,第二路径上不存在任何交点的为单级侧根,得到单级侧根表型信息,其中,所述单级侧根表型信息包括单级侧根长度;
排除端点集合及交点集合中主根及单级侧根所包含的端点及交点,端点集合中剩余端点则为复杂根系所在端点,交点集合中剩余交点则为复杂根系之间相互交错的交点,通过复杂根系分析算法得到各个复杂根系路径,并测量长度,得到复杂根系长度。
2.根据权利要求1所述的基于图像处理的植物根系测量方法,其特征在于,所述结合四个标识符进行校正处理,得到校正后植物根系图像,包括以下步骤:
将四个标识符的中心坐标按照顺时针顺序或逆时针顺序依次设置为C1、C2、C3、C4,其中,C1为第一角标识符中心坐标、C2为第二角标识符中心坐标、C3为第三角标识符中心坐标、C4为第四角标识符中心坐标,并将中心坐标所形成矩形的长宽比设置为a:b;
将相邻两个角的标识符中心坐标C1、C4进行矩形拟合,得到 变换后的中心坐标C2 '、C3 ';
基于中心坐标集[C1,C2,C3,C4]与变换后的中心坐标集[C1,C2 ',C3 ',C4]得到变换矩阵;
基于变换矩阵对原始植物根系图像进行全局变换处理得到第二图像;
将变换后的中心坐标集所形成矩形的长宽比设置为a:c,结合长宽比a:b对第二图像的宽度进行尺度变换且变换比例为b/c,得到校正后植物根系图像。
3.根据权利要求1所述的基于图像处理的植物根系测量方法,其特征在于,所述通过单源路径搜索算法遍历端点集合中所有两两端点形成的第一路径,第一路径上交点数量最多的为主根,根据切垂线测量算法进而得到主根表型信息,包括以下步骤:
根据植物根系骨架拓扑结构、端点集合记作(e1,e2,…,em)及交点集合记作(c1,c2,…,cn) ,遍历所有任意两端点,根据单源路径搜索算法得到第一路径;
交点数量比任意其他两端点所成第一路径上交点数量都多的第一路径为主根路径,将主根路径的长度进行尺度变换即为主根长度;
在主根路径选取多个采样点位置,计算每个采样点位置处的切线及角度并做垂线,所述垂线穿过主根宽度即为相应位置处的宽度,将所有采样点位置处的宽度进行统计及处理,得到主根宽度。
4.根据权利要求3所述的基于图像处理的植物根系测量方法,其特征在于,通过单源路径搜索算法遍历剩余端点到交点集合之间形成的第二路径,第二路径上不存在任何交点的为单级侧根,根据切垂线测量算法得到单级侧根表型信息,包括以下步骤:
将端点集合和交点集合去除主根包含的端点和交点,得到新端点集合和新交点集合,新端点集合记作 (e1,e2,…,em-2),新交点集合记作(c1,c2,…,cn-x),主根交点集合记作(cmain_1,cmain_2,…,cmain_x);
遍历新端点集合到主根交点集合(cmain_1,cmain_2,…,cmain_x)的所有第二路径,查找出最短路径,若最短路径上不存在其余交点,则为单级侧根路径;
将单级侧根路径的长度经过尺度变换得到单级侧根长度。
5.根据权利要求1所述的基于图像处理的植物根系测量方法,其特征在于,所述通过复杂根系分析算法得到各个复杂根系路径,包括以下步骤:
将去除主根端点、单级侧根端点后的端点集合记作第二端点集合,所述第二端点集合为复杂根系端点集合;
根据最短路径搜索算法查找第二端点集合中距离其最近交点以及最近路径,将所述最近交点记作一级交点,所述最近路径记作第三路径;
根据一级交点搜索第二交点集合中是否存在与一级交点之间相连的形成路径的第二交点;
若不存在,则停止搜索,所述路径则为第二端点集合中相应端点对应侧根的完整路径,若存在则第二交点集合中相应的交点为二级交点;
计算一级交点与二级交点之间的第四路径,选择第四路径中与第三路径所成夹角中的最大夹角,判断所述最大夹角是否满足预设夹角值;
若不满足,则第三路径为第二端点集合中相应端点对应侧根的完整路径;若满足,判断二级交点是否位于主根路径上;
若位于主根路径上,则停止搜索,所述第三路径与所述第四路径即为相应端点对应侧根的完整路径;
若不在主根路径上,用二级交点替换原始一级交点,重复以上操作继续搜索,直到达到满足停止条件。
6.根据权利要求5所述的基于图像处理的植物根系测量方法,其特征在于,所述停止条件包括以下任意一项:
当前一级交点无法在第二交点集合中找到与一级交点构成直接相连路径的第二交点;
或,所得完整路径上一点在主根路径上;
第三路径与第四路径所成角度不满足预设夹角值。
7.根据权利要求1或5所述的基于图像处理的植物根系测量方法,其特征在于,还包括以下步骤:
对复杂根系分析算法进行优化,得到所有复杂根系路径。
8.根据权利要求1所述的基于图像处理的植物根系测量方法,其特征在于,所述对校正后植物根系图像进行预处理,得到植物根系二值图,包括以下步骤:
获取校正后植物根系图像的灰度图;
对灰度图进行双边滤波处理并去除噪声干扰得到滤波图;
对滤波图进行局部阈值分割得到第一二值图,对滤波图进行边缘提取处理得到边缘图像;
将第一二值图和边缘图像进行融合处理,得到融合图像;
对融合图像进行特征分析并去除杂质,得到特征选择结果图;
对特征选择结果图进行形态学变换得到植物根系二值图。
9.根据权利要求1所述的基于图像处理的植物根系测量方法,其特征在于,所述四个标识符设置在图像采集装置内,所述图像采集装置包括背景板,所述背景板包含4个标识符,标识符分布在背景板4个角,标识符颜色与背景板颜色具有明显的对比度标识符中心连接而成的矩形长宽比为4:3。
10.一种基于图像处理的植物根系测量系统,其特征在于,包括图像获取处理模块、图像预处理模块、端点交点获取模块、主根信息获取模块、单级侧根获取模块及复杂根系获取模块;
所述图像获取处理模块,用于获取原始植物根系图像并结合四个标识符进行校正处理,得到校正后植物根系图像,通过所述校正后植物根系图像还原植物根系原始形态结构信息,其中,所述四个标识符在原始植物根系图像的四个角;
所述图像预处理模块,用于对校正后植物根系图像进行预处理,得到植物根系二值图;
所述端点交点获取模块,基于植物根系二值图得到植物根系骨架拓扑结构,进而获取植物根系的相关信息,所述相关信息至少包括端点集合及交点集合;
所述主根信息获取模块,用于通过单源路径搜索算法遍历端点集合中所有两两端点形成的第一路径,第一路径上交点数量最多的为主根路径,进而得到主根表型信息,主根表型信息包括主根长度及主根根粗;
所述单级侧根获取模块,用于通过单源路径搜索算法遍历剩余端点到主根交点集合中各个主根交点形成的第二路径,第二路径上不存在任何交点的为单级侧根,得到单级侧根表型信息,其中,所述单级侧根表型信息包括单级侧根长度;
所述复杂根系获取模块,用于排除端点集合及交点集合中主根及单级侧根所包含的端点及交点,端点集合中剩余端点则为复杂根系所在端点,交点集合中剩余交点则为复杂根系之间相互交错的交点,通过复杂根系分析算法得到各个复杂根系路径,并测量长度,得到复杂根系长度。
11.根据权利要求10所述的基于图像处理的植物根系测量系统,其特征在于,所述图像获取处理模块包括图像采集装置;
所述四个标识符设置在图像采集装置内,所述图像采集装置包括背景板,所述背景板包含4个标识符,标识符分布在背景板4个角,标识符颜色与背景板颜色具有明显的对比度标识符中心连接而成的矩形长宽比为4:3。
12.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至9任意一项所述的方法步骤。
13.一种基于图像处理的植物根系测量装置,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至9任意一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210115955.6A CN114140466B (zh) | 2022-02-07 | 2022-02-07 | 基于图像处理的植物根系测量方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210115955.6A CN114140466B (zh) | 2022-02-07 | 2022-02-07 | 基于图像处理的植物根系测量方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114140466A true CN114140466A (zh) | 2022-03-04 |
CN114140466B CN114140466B (zh) | 2022-05-31 |
Family
ID=80381910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210115955.6A Active CN114140466B (zh) | 2022-02-07 | 2022-02-07 | 基于图像处理的植物根系测量方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114140466B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115393352A (zh) * | 2022-10-27 | 2022-11-25 | 浙江托普云农科技股份有限公司 | 基于图像识别的作物夹角测量方法及其应用 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106468543A (zh) * | 2015-08-21 | 2017-03-01 | 浙江托普云农科技股份有限公司 | 一种基于图像处理的叶片面积测量方法 |
CN109389668A (zh) * | 2017-08-04 | 2019-02-26 | 华南农业大学 | 一种植物根系三维矢量模型构建方法 |
CN109829941A (zh) * | 2019-01-04 | 2019-05-31 | 华南农业大学 | 一种基于中心线提取的植物根系三维构型测量方法 |
CN110688961A (zh) * | 2019-09-30 | 2020-01-14 | 北京大学 | 一种河网拓扑信息提取方法及系统 |
US20200242749A1 (en) * | 2019-01-30 | 2020-07-30 | Purdue Research Foundation | System and method for processing images of agricultural fields for remote phenotype measurement |
CN111738936A (zh) * | 2020-05-18 | 2020-10-02 | 浙江托普云农科技股份有限公司 | 基于图像处理的多株水稻穗长的测量方法 |
CN112927282A (zh) * | 2021-01-25 | 2021-06-08 | 华南农业大学 | 一种基于机器视觉的畜禽脚参数自动测量方法 |
-
2022
- 2022-02-07 CN CN202210115955.6A patent/CN114140466B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106468543A (zh) * | 2015-08-21 | 2017-03-01 | 浙江托普云农科技股份有限公司 | 一种基于图像处理的叶片面积测量方法 |
CN109389668A (zh) * | 2017-08-04 | 2019-02-26 | 华南农业大学 | 一种植物根系三维矢量模型构建方法 |
CN109829941A (zh) * | 2019-01-04 | 2019-05-31 | 华南农业大学 | 一种基于中心线提取的植物根系三维构型测量方法 |
US20200242749A1 (en) * | 2019-01-30 | 2020-07-30 | Purdue Research Foundation | System and method for processing images of agricultural fields for remote phenotype measurement |
CN110688961A (zh) * | 2019-09-30 | 2020-01-14 | 北京大学 | 一种河网拓扑信息提取方法及系统 |
CN111738936A (zh) * | 2020-05-18 | 2020-10-02 | 浙江托普云农科技股份有限公司 | 基于图像处理的多株水稻穗长的测量方法 |
CN112927282A (zh) * | 2021-01-25 | 2021-06-08 | 华南农业大学 | 一种基于机器视觉的畜禽脚参数自动测量方法 |
Non-Patent Citations (3)
Title |
---|
DI WANG ET AL.: "Direct estimation of photon recollision probability using terrestrial laser scanning", 《REMOTE SENSING OF ENVIRONMENT》 * |
朱鑫: "基于图像处理的植物根系分割及定量分析系统的研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
陈富强: "原位根系三维构型参数自动测量方法", 《中国优秀博硕士学位论文全文数据库(硕士) 基础科学辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115393352A (zh) * | 2022-10-27 | 2022-11-25 | 浙江托普云农科技股份有限公司 | 基于图像识别的作物夹角测量方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN114140466B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110570428B (zh) | 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及系统 | |
CN107146280B (zh) | 一种基于切分的点云建筑物重建方法 | |
WO2018107939A1 (zh) | 一种基于边缘完备度的图像分割最优识别方法 | |
CN112070769B (zh) | 一种基于dbscan的分层点云分割方法 | |
Jarząbek-Rychard et al. | 3D building reconstruction from ALS data using unambiguous decomposition into elementary structures | |
TWI773063B (zh) | 圖像產生系統及圖像產生方法 | |
CN110530278B (zh) | 利用多线结构光测量间隙面差的方法 | |
CN108335290B (zh) | 一种基于liop特征与块匹配的图像区域复制篡改检测方法 | |
CN111652241B (zh) | 融合影像特征与密集匹配点云特征的建筑物轮廓提取方法 | |
CN109285163B (zh) | 基于激光点云的车道线左右轮廓线交互式提取方法 | |
CN110047036B (zh) | 基于极坐标格网的地面激光扫描数据建筑物立面提取方法 | |
CN110136174B (zh) | 一种目标对象跟踪方法和装置 | |
CN113610778A (zh) | 一种基于语义分割的桥梁表面裂纹检测方法与系统 | |
CN114140466B (zh) | 基于图像处理的植物根系测量方法、系统及装置 | |
CN108765478A (zh) | 一种建筑点云中分离单体建筑的密度聚类算法 | |
CN112183301A (zh) | 一种建筑物楼层智能识别方法及装置 | |
CN116523898A (zh) | 一种基于三维点云的烟草表型性状提取方法 | |
WO2024066463A1 (zh) | 一种基于双目视觉的钢筋间距的测量方法和系统 | |
CN113255677A (zh) | 一种岩体结构面及产状信息快速提取方法、设备及介质 | |
CN115690107B (zh) | 基于图像处理的豆荚果粒高通量计数方法、系统及装置 | |
CN112907601A (zh) | 一种基于特征变换的隧道拱架点云自动提取方法及装置 | |
CN116452826A (zh) | 基于机器视觉的遮挡情况下煤矸石轮廓估计方法 | |
CN112561989A (zh) | 一种建造场景下吊装对象的识别方法 | |
CN109118565B (zh) | 一种顾及杆塔电力线遮挡的电力走廊三维模型纹理映射方法 | |
CN116452604A (zh) | 一种复杂变电站场景分割方法、设备及存储介质 |
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 |