CN114549511A - 基于图像的植物根系表型分析方法、系统及装置 - Google Patents
基于图像的植物根系表型分析方法、系统及装置 Download PDFInfo
- Publication number
- CN114549511A CN114549511A CN202210195411.5A CN202210195411A CN114549511A CN 114549511 A CN114549511 A CN 114549511A CN 202210195411 A CN202210195411 A CN 202210195411A CN 114549511 A CN114549511 A CN 114549511A
- Authority
- CN
- China
- Prior art keywords
- image
- root
- path
- root system
- segment
- 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.)
- Pending
Links
- 241000196324 Embryophyta Species 0.000 title claims abstract description 115
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000000691 measurement method Methods 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 24
- 230000009466 transformation Effects 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010845 search algorithm Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 230000006740 morphological transformation Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 230000002146 bilateral effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 239000012535 impurity Substances 0.000 claims description 4
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 13
- 238000011160 research Methods 0.000 abstract description 9
- 238000005259 measurement Methods 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 4
- 235000002637 Nicotiana tabacum Nutrition 0.000 abstract description 2
- 241000208125 Nicotiana Species 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 244000061176 Nicotiana tabacum Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001225 nuclear magnetic resonance method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于图像的植物根系表型分析方法、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;进行预处理,得到根系二值图,基于根系二值图得到植物根系骨架信息;进行分别端点及交点检测,得到端点集合、交点集合及segment Array集合;构建连通图;根据单源路径搜索算法,遍历连通图中所有任意两端点,得到第一路径以及主根表型信息;依照平滑性原则,递归地获取侧根拓扑结构以及对应的等级层次。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,尤其涉及一种基于计算机视觉的植物根系表型分析方法、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,提供了一种基于计算机视觉的植物根系表型分析方法、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:
一种基于图像的植物根系表型分析方法,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,得到仅包含根系区域的根系二值图,基于根系二值图得到植物根系骨架拓扑结构;
基于植物根系骨架拓扑结构进行分别端点及交点检测,得到端点集合、交点集合及segment Array集合,其中,segment Array集合中每个segment元素为植物根系骨架拓扑结构中由端点或交点为起始点和结束点的片段,所述片段除去起始结束点不含其它的端点/关节点;
基于端点集合、交点集合以及segment Array集合构建连通图,其中,端点集合和交点集合中的任一点为连通图的顶点、segment Array集合为连通图的边;
根据单源路径搜索算法,遍历所述连通图中所有任意两端点,得到第一路径,基于第一路径得到主根路径,进而主根表型信息,主根表型信息包括主根长度及主根根粗;
基于segment Array集合及主根路径上的交点,依照平滑性原则,递归地获取侧根拓扑结构以及对应的等级层次,进而得到所有侧根路径,其中,各个侧根路径由segmentArray集合中的一个或多个元素组成。
作为一种可实施方式,所述基于植物根系骨架拓扑结构进行分别进行端点及交点检测,得到端点集合及交点集合,包括以下步骤:
对植物根系骨架拓扑结构进行端点检测及交点检测,得到端点结合和交点集合;
对由端点/交点为起始点和结束点的片段同时该片段除去起始结束点不含其它的端点/关节点进行segment Array划分,segment Array中的各个segment为独立元数据。
作为一种可实施方式,所述根据单源路径搜索算法,遍历所述连通图中所有任意两端点,得到第一路径,基于第一路径得到主根路径,进而主根表型信息,包括以下步骤:
根据单源路径搜索算法,遍历所述连通图中所有任意两端点,得到第一路径;
通过预设筛选条件对第一路径进行筛选,若第一路径满足预设筛选条件,则对应的第一路径为主根路径,所述第一路径的长度则为主根长度;
基于主根路径,采用切垂线测量法得到主根宽度。
作为一种可实施方式,所述预设筛选条件至少为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。
作为一种可实施方式,所述基于segment Array集合及主根路径上的交点,依照平滑性原则,递归地获取侧根拓扑结构以及对应的等级层次,进而得到所有侧根路径,包括以下步骤:
遍历主根路径上的交点,以主根路径上交点为起始点从segment Array集合进行第一级搜索,若segment为端点,则结束搜索,并得到相应等级层次的侧根拓扑结构;
若为交点,作为起始点从segment Array集合进行第二级搜索,直至查找到一端为端点,则结束搜索,并得到相应等级层次的侧根拓扑结构;
基于侧根拓扑结构得到各个侧根路径。
作为一种可实施方式,当侧根路径存在分叉时,则选择当前segment与下一个相连候选segment在交叉处所成路径钝角最大角的路径。
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,所述对校正后植物根系图像进行预处理,得到仅包含根系区域的根系二值图,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初始根系二值图;
对初始根系二值图进行基于轮廓检测的最大外接矩形裁剪,得到仅包含植物根系区域的根系二值图。
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。
一种基于图像的植物根系表型分析系统,包括图像获取处理模块、图像预处理模块、检测分割模块、连通图构建模块、主根信息获取模块及侧根信息获取模块;
所述图像获取处理模块,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;
所述图像预处理模块,对校正后植物根系图像进行预处理,得到仅包含根系区域的根系二值图,基于根系二值图得到植物根系骨架拓扑结构;
所述检测分割模块,基于植物根系骨架拓扑结构进行分别端点及交点检测,得到端点集合、交点集合及segment Array集合,其中,segment Array集合中每个segment元素为植物根系骨架拓扑结构中由端点或交点为起始点和结束点的片段,所述片段除去起始结束点不含其它的端点/关节点;
所述连通图构建模块,基于端点集合、交点集合以及segment Array集合构建连通图,其中,端点集合和交点集合中的任一点为连通图的顶点、segment Array集合为连通图的边;
所述主根信息获取模块,根据单源路径搜索算法,遍历所述连通图中所有任意两端点,得到第一路径,基于第一路径得到主根路径,进而主根表型信息,主根表型信息包括主根长度及主根根粗;
所述侧根信息获取模块,基于segment Array集合及主根路径上的交点,依照平滑性原则,递归地获取侧根拓扑结构以及对应的等级层次,进而得到所有侧根路径,其中,各个侧根路径由segment Array集合中的一个或多个元素组成。
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。
一种基于图像的植物根系表型分析装置,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。
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:
一种基于图像的植物根系表型分析方法,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;
S200、对校正后植物根系图像进行预处理,得到仅包含根系区域的根系二值图,基于根系二值图得到植物根系骨架拓扑结构;
S300、基于植物根系骨架拓扑结构进行分别端点及交点检测,得到端点集合、交点集合及segment Array集合,其中,segment Array集合中每个segment元素为植物根系骨架拓扑结构中由端点或交点为起始点和结束点的片段,所述片段除去起始结束点不含其它的端点/关节点;
S400、基于端点集合、交点集合以及segment Array集合构建连通图,其中,端点集合和交点集合中的任一点为连通图的顶点、segment Array集合为连通图的边;
S500、根据单源路径搜索算法,遍历所述连通图中所有任意两端点,得到第一路径,基于第一路径得到主根路径,进而主根表型信息,主根表型信息包括主根长度及主根根粗;
S600、基于segment Array集合及主根路径上的交点,依照平滑性原则,递归地获取侧根拓扑结构以及对应的等级层次,进而得到所有侧根路径,其中,各个侧根路径由segment Array集合中的一个或多个元素组成。
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,得到仅包含根系区域的根系二值图,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初始根系二值图;
S270、对初始根系二值图进行基于轮廓检测的最大外接矩形裁剪,得到仅包含植物根系区域的根系二值图。
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threImage;对二值图threImage进行轮廓检测得到根系最大外接矩形,剪切最大外接矩形区域得到根系二值图image4。
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。由于根系表型分析时间性能与图像信息量相关,而上述二值图除根系外包含大量冗余信息,因此通过图像裁剪仅保留根系区域,以此降低计算量从而提高运算效率,最终得到根系分割二值图。
在步骤S200中,基于根系二值图得到植物根系骨架拓扑结构,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。
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。
在步骤S400中,对植物根系骨架图像image5进行分析,获得端点集合(e1,e2,…,em)、交点集合(c1,c2,…,cn)、segment Array集合,其中端点为8邻域中前景像素个数为1的像素点,交点为8邻域中前景像素个数多于2的像素点,segment Array集合中每个元素为骨架上由端点或交点为起始点和结束点的片段,同时该片段除去起始结束点不含其它的端点/关节点,具体为:
图5-图6为植物根系骨架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”位置处像素值进行分析,根据表中成立条件和终止条件,当满足成立条件中对应位置处像素为前景时,5号位置点同样可判定为交点;
根据所述骨架信息、骨架端点集合信息、骨架交点集合信息,进行segment Array集合构建,算法原理如下:
对骨架图Image5进行标识得到signImage,其中将端点像素值为1、交点像素值为2、非端点和交点的像素值为255;
1将signImage拷贝至segmentLineImage,并创建空数组segment Array;
2标识符Label初始化为1,用于标识segment Array中各个segment元素的像素值;
3遍历所有像素点(x,y),当且仅当为端点时转至4:
4执行segmentsDetect(signImage,segmentLineImage,x,y,Label,path),其中path用于存放以端点(x,y)为起点的segment,Label用于标识segment所在位置处像素值,其中所述segment为骨架上由端点或交点为起始点和结束点的片段,同时该片段除去起始结束点不含其它的端点/关节点;
5存储path至segment Array,并令Label++
6遍历所有前景像素点(x,y)当且仅当为交点时转至7:
7遍历(x,y)的4邻域,当且仅当其存在点(x',y')为常规前景值时转8:
8执行segmentsDetect(signImage,segmentLineImage,x',y',Label,path)
9存储path至segment Array,并令Label++
10遍历(x,y)的8邻域,当存在点(x',y')为常规前景值且位于左上角或右下角时转11:
11执行segmentsDetect(signImage,segmentLineImage,x',y',Label,path)
12存储path至segment Array,并令Label++
13输出所述segment Array集合、对应标识图segmentLineImage。
其中,所述segment Array构建过程中,执行segmentsDetect功能模块时会更新signImage、segmentLineImage、x、y、path信息。
其中,所述segmentsDetect(signImage,segmentLineImage,x,y,Label,path)功能模块算法原理如下:
14 segmentsDetect(signImage,segmentLineImage,x,y,Label,path):
15对signImage拷贝得到segmentLineImage
16 while(1):
17计算像素点(x,y)的8邻域前景个数value
18置signImage在(x,y)处像素值为0,置segmentLineImage在(x,y)处像素值为Label
19点(x,y)入栈path
20判断value值,为1时转至21,大于1时转至25:
21为1时即只有一个邻域点(x',y')转至22;
22判断(x',y')是否为交点,是转至23,否转至24:
23将(x',y')入栈path,终止segmentsDetect
24令(x,y)==(x',y'),转到16
25大于1时,即8邻域存在多个前景点,进一步求解(x,y)的4邻域前景点(x',y')
26判断(x',y')是否为交点,是转至27,否转至28:
27终止segmentsDetect
28令(x,y)==(x',y'),转到16
在步骤500中,通过单源路径搜索算法遍历连通图中所有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,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,基于连通图信息进行单源路径搜索得到第一路径;
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;
计算主根路径上各个位置处点的切线及角度并作垂线,垂线所穿过根系宽度即为对应位置的主根宽度。
搜索算法基于Dijkstra单源路径搜索算法原理。根据本应用,对Dijkstra算法进行改进,即通过指定源点与终止点进行搜索,而非根据源点搜索其与所有顶点之间的路径,通过局部搜索提高执行效率。具体为:
DIJKSTRA(G,w,s,t)
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为由端点集合、交点集合、segment Array集合所构造的连通图,segmentArray集合中各元素为图结构顶点,w为segment Array集合中各元素权重,s为起点。首先初始化一个空集S,用于存储已经确定最短路径经过的顶点;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,当u为t时且路线最优时算法终止。
根据所获得主根路径信息,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。
在步骤S600中,基于segment Array集合及主根路径上的交点,依照平滑性原则,递归地获取侧根拓扑结构以及对应的等级层次,进而得到所有侧根路径,包括以下步骤:
遍历主根路径上的交点,以主根路径上交点为起始点从segment Array中搜索起始点所在的segment,并将segment从segment Array集合中剔除;
判断segment另一端是否为端点,若为端点,则segment即为第二路径,结束搜索;
若为交点,则记录为第二segment,并将起始点更新为第二起始点,搜索以第二起始点所在segment Array中与第二segment所成钝角最大的路径,将第二segment作为新segment;
重复上述搜索,直至查找到新segment一端为端点,查找过程中所得segment集合即为相应的侧根路径。
具体来讲,在步骤S600中,是通过平滑性检测算法,自动检测侧根真实路径以及所属层级。其中,侧根检测思路为:任意一条侧根起始点必为所述交点,结束点必为所述端点;当所述侧根存在分支时,即存在更低一级侧根,应遵从当前segment与下一个相连候选segment在交叉处所成路径夹角(取钝角)最大原则进行选择,即本发明中提出的平滑性检测理论;侧根自动分级思路为:第二路径侧根级别为已知信息,即起始点在主根上的侧根为第二路径根系,根据递归原则,更新依附在上一路径的侧根为低一级侧根,以此自动更新各个根系所属等级。
所述侧根检测算法如下:
已知端点集合endpointArray、交点集合junctionArray、segment Array集合,根据主根上交点startJunctionPoints,根据本发明提出的平滑性检测算法检测各个侧根并自动对其进行分级,具体为:
1输入:
根系骨架拓扑结构图:src
segment集合:segment Array
端点集合:endpointArray
交点集合:junctionArray
主根上交点:startJunctionPoints
当前交点所属侧根级别:rootGrade
2 while(startJunctionPoints!=NULL)
3从startJunctionPoints中出栈一点startPoint
4根据平滑性检测算法sideRootDetectFunction检测以startPoint为起点的根系路径rootPath
5将该起始点所在根系路径rootPath及其对应等级rootGrade存储
6检测侧根rootPath上的交点newStartJunctionPoints
7触发递归功能,即转至1,其中输入参数作出如下调整:
src(不变)
segment Array(采用6中更新后的数据)
endpointArray(不变)
junctionArray(不变)
将newStartJunctionPoints作为新的startJunctionPoints传入
rootGrade=rootGrade+1
其中,该算法中根系平滑性检测算法sideRootDetectFunction具体如下:
8输入:
根系骨架拓扑结果图:src
端点集合:segment Array
交点集合:junctionArray
目标侧根起始点:startPoint
9创建根系线段存储向量pathPoints,有序存放目标根包含线段
10从segment Array中查找startPoint所在位置记作line,并将line从segmentArray中删除
11 while(1)
12将line放入pathPoints
13判断line另一端端点类型:
14端点则break;交点则转至15
15在segment Array中查找与line直接相连的“line”集合connectLines
16计算line与connectLines中各个元素在连接处所成钝角角度angles
17选择角度最大所对应的线段line_i
18更新line为line_i、将line_i从segment Array中删除
所得即为各个等级侧根路径。
根据上述步骤获得主根、侧根表型信息,其中包括主根长度、主根根粗、侧根长度,当然还可以包括其他信息如侧根根粗信息,本发明实施例不作具体限定。
实施例2:
一种基于图像的植物根系表型分析系统,如图2所示,包括图像获取处理模块100、图像预处理模块200、检测分割模块300、连通图构建模块400、主根信息获取模块500及侧根信息获取模块600;
所述图像获取处理模块100,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;
所述图像预处理模块200,对校正后植物根系图像进行预处理,得到仅包含根系区域的根系二值图,基于根系二值图得到植物根系骨架拓扑结构;
所述检测分割模块300,基于植物根系骨架拓扑结构进行分别端点及交点检测,得到端点集合、交点集合及segment Array集合,其中,segment Array集合中每个segment元素为植物根系骨架拓扑结构中由端点或交点为起始点和结束点的片段,所述片段除去起始结束点不含其它的端点/关节点;
所述连通图构建模块400,基于端点集合、交点集合以及segment Array集合构建连通图,其中,端点集合和交点集合中的任一点为连通图的顶点、segment Array集合为连通图的边;
所述主根信息获取模块500,根据单源路径搜索算法,遍历所述连通图中所有任意两端点,得到第一路径,基于第一路径得到主根路径,进而主根表型信息,主根表型信息包括主根长度及主根根粗;
所述侧根信息获取模块600,基于segment Array集合及主根路径上的交点,依照平滑性原则,递归地获取侧根拓扑结构以及对应的等级层次,进而得到所有侧根路径,其中,各个侧根路径由segment Array集合中的一个或多个元素组成。
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。
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,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,得到仅包含根系区域的根系二值图,基于根系二值图得到植物根系骨架拓扑结构;
S300、基于植物根系骨架拓扑结构进行分别端点及交点检测,得到端点集合、交点集合及segment Array集合,其中,segment Array集合中每个segment元素为植物根系骨架拓扑结构中由端点或交点为起始点和结束点的片段,所述片段除去起始结束点不含其它的端点/关节点;
S400、基于端点集合、交点集合以及segment Array集合构建连通图,其中,端点集合和交点集合中的任一点为连通图的顶点、segment Array集合为连通图的边;
S500、通过单源路径搜索算法遍历连通图中所有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;
S600、遍历主根路径上的交点,以主根路径上交点为起始点从segment Array中搜索起始点所在的segment,查询所有segment一端为端点的segment,查找过程中所得segment集合即为相应的侧根路径,其中,各个侧根路径由segment Array中的一个或多个元素有序组成。
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)
1.一种基于图像的植物根系表型分析方法,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,得到仅包含根系区域的根系二值图,基于根系二值图得到植物根系骨架拓扑结构;
基于植物根系骨架拓扑结构进行分别端点及交点检测,得到端点集合、交点集合及segment Array集合,其中,segment Array集合中每个segment元素为植物根系骨架拓扑结构中由端点或交点为起始点和结束点的片段,所述片段除去起始结束点不含其它的端点/关节点;
基于端点集合、交点集合以及segment Array集合构建连通图,其中,端点集合和交点集合中的任一点为连通图的顶点、segment Array集合为连通图的边;
根据单源路径搜索算法,遍历所述连通图中所有任意两端点,得到第一路径,基于第一路径得到主根路径,进而主根表型信息,主根表型信息包括主根长度及主根根粗;
基于segment Array集合及主根路径上的交点,依照平滑性原则,递归地获取侧根拓扑结构以及对应的等级层次,进而得到所有侧根路径,其中,各个侧根路径由segment Array集合中的一个或多个元素组成。
2.根据权利要求1所述的基于图像的植物根系表型分析方法,其特征在于,所述基于植物根系骨架拓扑结构进行分别进行端点及交点检测,得到端点集合及交点集合,包括以下步骤:
对植物根系骨架拓扑结构进行端点检测及交点检测,得到端点结合和交点集合;
对由端点/交点为起始点和结束点的片段同时该片段除去起始结束点不含其它的端点/关节点进行segment Array划分,segment Array中的各个segment为独立元数据。
3.根据权利要求1所述的基于图像的植物根系表型分析方法,其特征在于,所述根据单源路径搜索算法,遍历所述连通图中所有任意两端点,得到第一路径,基于第一路径得到主根路径,进而主根表型信息,包括以下步骤:
根据单源路径搜索算法,遍历所述连通图中所有任意两端点,得到第一路径;
通过预设筛选条件对第一路径进行筛选,若第一路径满足预设筛选条件,则对应的第一路径为主根路径,所述第一路径的长度则为主根长度;
基于主根路径,采用切垂线测量法得到主根宽度。
4.根据权利要求3所述的基于图像的植物根系表型分析方法,其特征在于,所述预设筛选条件至少为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。
5.根据权利要求1或3所述的基于图像的植物根系表型分析方法,其特征在于,所述基于segment Array集合及主根路径上的交点,依照平滑性原则,递归地获取侧根拓扑结构以及对应的等级层次,进而得到所有侧根路径,包括以下步骤:
遍历主根路径上的交点,以主根路径上交点为起始点从segment Array集合进行第一级搜索,若segment为端点,则结束搜索,并得到相应等级层次的侧根拓扑结构;
若为交点,作为起始点从segment Array集合进行第二级搜索,直至查找到一端为端点,则结束搜索,并得到相应等级层次的侧根拓扑结构;
基于侧根拓扑结构得到各个侧根路径。
6.根据权利要求4所述的基于图像的植物根系表型分析方法,其特征在于,当侧根路径存在分叉时,则选择当前segment与下一个相连候选segment在交叉处所成路径钝角最大角的路径。
7.根据权利要求1所述的基于图像的植物根系表型分析方法,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。
8.根据权利要求1所述的基于图像的植物根系表型分析方法,其特征在于,所述对校正后植物根系图像进行预处理,得到仅包含根系区域的根系二值图,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初始根系二值图;
对初始根系二值图进行基于轮廓检测的最大外接矩形裁剪,得到仅包含植物根系区域的根系二值图。
9.根据权利要求1所述的基于图像的植物根系表型分析方法,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。
10.一种基于图像的植物根系表型分析系统,其特征在于,包括图像获取处理模块、图像预处理模块、检测分割模块、连通图构建模块、主根信息获取模块及侧根信息获取模块;
所述图像获取处理模块,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;
所述图像预处理模块,对校正后植物根系图像进行预处理,得到仅包含根系区域的根系二值图,基于根系二值图得到植物根系骨架拓扑结构;
所述检测分割模块,基于植物根系骨架拓扑结构进行分别端点及交点检测,得到端点集合、交点集合及segment Array集合,其中,segment Array集合中每个segment元素为植物根系骨架拓扑结构中由端点或交点为起始点和结束点的片段,所述片段除去起始结束点不含其它的端点/关节点;
所述连通图构建模块,基于端点集合、交点集合以及segment Array集合构建连通图,其中,端点集合和交点集合中的任一点为连通图的顶点、segment Array集合为连通图的边;
所述主根信息获取模块,根据单源路径搜索算法,遍历所述连通图中所有任意两端点,得到第一路径,基于第一路径得到主根路径,进而主根表型信息,主根表型信息包括主根长度及主根根粗;
所述侧根信息获取模块,基于segment Array集合及主根路径上的交点,依照平滑性原则,递归地获取侧根拓扑结构以及对应的等级层次,进而得到所有侧根路径,其中,各个侧根路径由segment Array集合中的一个或多个元素组成。
11.根据权利要求10所述的基于图像的植物根系表型分析系统,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。
13.一种基于图像的植物根系表型分析装置,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 |
---|---|---|---|
CN202210195411.5A CN114549511A (zh) | 2022-03-01 | 2022-03-01 | 基于图像的植物根系表型分析方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210195411.5A CN114549511A (zh) | 2022-03-01 | 2022-03-01 | 基于图像的植物根系表型分析方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549511A true CN114549511A (zh) | 2022-05-27 |
Family
ID=81662372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210195411.5A Pending CN114549511A (zh) | 2022-03-01 | 2022-03-01 | 基于图像的植物根系表型分析方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549511A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117788395A (zh) * | 2023-12-15 | 2024-03-29 | 南京林业大学 | 基于图像的马尾松苗木根系表型参数提取系统和方法 |
-
2022
- 2022-03-01 CN CN202210195411.5A patent/CN114549511A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117788395A (zh) * | 2023-12-15 | 2024-03-29 | 南京林业大学 | 基于图像的马尾松苗木根系表型参数提取系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
Li et al. | An overlapping-free leaf segmentation method for plant point clouds | |
CN110543885B (zh) | 一种交互式提取高分辨率遥感影像道路并生成路网的方法 | |
CN114140466B (zh) | 基于图像处理的植物根系测量方法、系统及装置 | |
Vosselman et al. | Change detection for updating medium scale maps using laser altimetry | |
Rakhmadi et al. | Connected component labeling using components neighbors-scan labeling approach | |
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 | |
Seemuller | The extraction of ordered vector drainage networks from elevation data | |
CN112801075B (zh) | 基于航摄影像的农村道路边界线的自动提取方法 | |
CN111524154B (zh) | 一种基于影像的隧道管片自动化分割方法 | |
CN116523898A (zh) | 一种基于三维点云的烟草表型性状提取方法 | |
KR20060019913A (ko) | 영상 분할 방법 | |
CN114549511A (zh) | 基于图像的植物根系表型分析方法、系统及装置 | |
CN117218148B (zh) | 基于卫星图像的航道边界确定方法和系统、可读存储介质 | |
CN113609736A (zh) | 一种基于孔裂隙结构数字图像的数值计算模型构建方法 | |
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 | |
CN113538497A (zh) | 一种基于曲率正则化感知分组的管状结构快速追踪方法 | |
Kieler et al. | Matching river datasets of different scales | |
JP2007293597A (ja) | 解析装置、検索装置及び計測装置並びにプログラム | |
CN114563000B (zh) | 一种基于改进型激光雷达里程计的室内外slam方法 | |
NO316198B1 (no) | Fremgangsmåte for segmentering og gjenkjenning av et dokument, s¶rlig en teknisk tegning | |
CN106055669A (zh) | 一种数据离散化方法及系统 | |
CN114266781A (zh) | 缺陷检查装置、方法以及信息记录介质 | |
Liu et al. | Weld point cloud segmentation algorithm fused contour feature | |
CN105761291B (zh) | 基于带权重的迪杰斯特拉算法的镶嵌线自动生成方法 |
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 |