CN116156329B - 基于图像分析的黑土地退化快速监测方法、存储介质及设备 - Google Patents

基于图像分析的黑土地退化快速监测方法、存储介质及设备 Download PDF

Info

Publication number
CN116156329B
CN116156329B CN202310143893.4A CN202310143893A CN116156329B CN 116156329 B CN116156329 B CN 116156329B CN 202310143893 A CN202310143893 A CN 202310143893A CN 116156329 B CN116156329 B CN 116156329B
Authority
CN
China
Prior art keywords
image
land
degradation
camera
monitoring
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.)
Active
Application number
CN202310143893.4A
Other languages
English (en)
Other versions
CN116156329A (zh
Inventor
陈志坚
辛玉民
刘成博
相静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heilongjiang Branch Of China Tower Co ltd
Original Assignee
Heilongjiang Branch Of China Tower Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heilongjiang Branch Of China Tower Co ltd filed Critical Heilongjiang Branch Of China Tower Co ltd
Priority to CN202310143893.4A priority Critical patent/CN116156329B/zh
Publication of CN116156329A publication Critical patent/CN116156329A/zh
Application granted granted Critical
Publication of CN116156329B publication Critical patent/CN116156329B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/73—Colour balance circuits, e.g. white balance circuits or colour temperature control
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Abstract

基于图像分析的黑土地退化快速监测方法、存储介质及设备，属于环境监测技术领域。为了解决现有的人工取样并进行实验室分析的黑土地监测方式耗时长、效率低的问题。本发明利用云台将设置在铁塔上的相机采集彩色图像，针对每个地块采集基准视野范围的图像和标准细节图像，并同相机姿态与对应的1倍变焦情况下的视野中心的绑定关系和分析变焦倍数存储数据库；在进行实际监测时，通过地块与相机姿态关系直接对待检测地块进行视野范围对比图像和对比细节图像进行采集，并进行二通道数据调整，基于二通道修正标准细节图像和二通道修正对比细节图像得到地块的对比细节图像距离平均变化量，将其作为指标对黑土地进行退化监测。

Description

基于图像分析的黑土地退化快速监测方法、存储介质及设备
技术领域
本发明属于环境监测技术领域，具体涉及一种黑土地退化的监测方法、存储介质及设备。
背景技术
耕地是农业生产的基础，土地的质量是粮食安全和粮食产量的核心要素。东北黑土区粮食年产量约占全国五分之一，是中国玉米、粳稻等商品粮主要供应地，但是随着粮食的亩产量和总产量的不断提高，黑土地每年的氮、磷、钾等养份及有机物质含量的自然恢复和补充越来越难，黑土地的肥力也在逐年退化，黑土地逐渐退化；而且伴随水土流失日益严重，黑土地的退化的速度也在加快。同时由于人们对产量上线的追求，使用量不合理甚至超量使用化肥等现象的也越发严重，这进一步加剧了土壤的板结和黑土地本身的退化，同时这也在一定成程度上加剧了水土流失的程度，使得黑土地的退化越来越严重。因此需要对黑土地退化现象进行研判，或者对确定地块的土地进行分析，从而通过合理的调整种植作物和种植方式，以及休闲轮作方式等，进而调节土壤肥力，以尽量实现黑土地的恢复。
目前主要是采用人工实地取样并带回实验室进行化验分析的方式实现对黑土地的肥力等状况的了解，从而实现黑土地的状态检测或黑土地的退化监测。这种方式的优点是结果准确，但是其缺点也比较明显，主要表现为需要投入大量的人力物力进行实地调研取样，而且会导致实验室分析阶段要针对大量的样本进行分析，不仅也需要大量的人力物力，而且耗时非常长；进而使得整个分析过程非常长，监测效率低。
发明内容
为了解决现有的人工取样并进行实验室分析的黑土地监测方式耗时长、效率低的问题。
基于图像分析的黑土地退化快速监测方法，根据建立好的数据库实现黑土地退化的快速监测；
所述数据库的建立过程包括以下步骤：
步骤A1、图像采集：
根据相机的1倍变焦的视野范围，将待监测区域划分为多个待监测地块，每个待监测地块大小为相机1倍变焦的视野范围大小；相机采集的图像为彩色图像；
在相机1倍变焦的情况下，调整相机的姿态(i，j)采集地块图像，将当前姿态与对应的1倍变焦情况下的视野中心进行关系绑定；姿态(i，j)包括能够表征相机视线竖直方向的俯仰角i和表征相机视线水平方向的水平偏置角j；
在1倍变焦下，用姿态(i，j)呈现的视野范围表征所拍摄到的地块Dij，用1倍变焦下的姿态(i，j)表示与其对应的地块Dij；
将地块Dij对应的1倍变焦下的视野范围记为基准视野范围，基准视野范围的图像记为视野范围基准图像；针对地块Dij对应的基准视野范围，确定分析变焦倍数，并将分析变焦倍数与对应的地块Dij进行绑定；将分析变焦倍数下采集的图像记为标准细节图像；针对地块Dij对应的基准视野范围，以分析变焦倍数采集的标准细节图像为多张；
步骤A2、将每个地块Dij对应的视野范围基准图像，以及对应的多张标准细节图像分别进行白平衡处理；将白平衡处理后的视野范围基准图像、标准细节图像分别记为修正视野范围基准图像、修正标准细节图像；
步骤A3、数据库建立：
将每个地块Dij对应的数据作为一组，按组存储在数据库中；
所述实现黑土地退化的快速监测的过程包括以下步骤：
步骤B1、针对待监测区域的每个地块Dij，根据地块Dij与相机姿态(i，j)的关系，基于姿态(i，j)直接采用相机采集地块图像，将监测时地块对应1倍变焦情况下的图像记为视野范围对比图像；
同时根据数据库中存储的Dij对应的分析变焦倍数，按照分析变焦倍数采集图像并记为对比细节图像；通过调整采集对比细节图像时的相机姿态，使得对比细节图像与数据库中同地块对应的标准细节图像一一对应；
步骤B2、将地块Dij的对比细节图像进行白平衡处理得到修正对比细节图像；
步骤B3、在数据库中提取地块Dij对应的修正标准细节图像，并在修正标准细节图像R、G、B通道中去除B通道数据，得到二通道修正标准细节图像Pij；
同样地，在相同地块Dij对应的修正对比细节图像R、G、B通道中去除B通道数据，得到二通道修正对比细节图像P’ij；
步骤B4、二通道修正标准细节图像Pij和二通道修正对比细节图像P’ij也是一一对应的，针对将Pij和与其对应的P’ij，将Pij的像素点pij与P’ij的像素点pi′j一一对应，针对一一对应的像素点，计算地块Dij的第k个对比细节图像距离变化量
Figure BDA0004088462350000021
Figure BDA0004088462350000022
进而得到地块Dij的对比细节图像距离平均变化量Vij
Figure BDA0004088462350000031
其中，K表示地块Dij的对比细节图像的数量(实际上也是标准细节图像的数量)；
采用Vij作为地块Dij的退化指标，对黑土地进行退化监测。
进一步地，采用灰度世界算法对图像进行白平衡处理。
进一步地，数据库建立过程和黑土地退化监测过程中，在耕地翻地以后进行图像采集。
进一步地，所述相机通过云台将设置在铁塔上；云台能够记录自身姿态，根据云台和相机的相对姿态关系，基于云台自身姿态确定相机的姿态(i，j)。
进一步地，针对地块Dij对应的基准视野范围，以分析变焦倍数采集多张标准细节图像的过程中，多张标准细节图像能够拼接成一张完整的图像，且拼接成一张完整的图像能够覆盖基准视野范围全部范围。
进一步地，对于同一个地块Dij，采集的多张标准细节图像之间有重叠区域。
进一步地，多张标准细节图像之间有重叠区域如下：
两张相邻的标准细节图像设置5％-10％的重叠区域。
进一步地，所述分析变焦倍数由人工根据实际采集环境确定。
一种计算机存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现所述的基于图像分析的黑土地退化快速监测方法。
一种基于图像分析的黑土地退化快速监测设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现所述的基于图像分析的黑土地退化快速监测方法。
有益效果：
利用本发明可以实现黑土地退化的自动监测方法，可以进行黑土地退化的快速监测。而且本发明用姿态(i，j)呈现的视野范围表征所拍摄到的地块Dij，在对地块进行采集时更加直接高效，而且省去了针对地块采集图像匹配等过程，能够极大地提高采集效率和对比效率，从而保证整体的监测效率。
本发明采用图像对比的方式直接进行监测，相比通过建模反演的方式对黑土地退化的预测，或者通过建模反演的方式对黑土地状态进行预测，进而根据状态实现退化预测，本发明的处理过程更加直接、高效，从而缩短单次监测的时间，提高监测效率。同时相比建模反演的方式，本发明用针对不同地块进行区分建模或适用，因此本发明的适用性更强，而且在普遍适用范围下，本发明的监测结果更加准确。
附图说明
图1为监测过程的流程示意图。
具体实施方式
铁塔资源是用于提供移动通信服务等的基础资源，主要包括铁塔等设施，本发明是基于业务范围内提供的基础设施中的铁搭资源实现的，即本发明的黑土地退化快速监测方法需要基于铁塔资源实现。下面结合具体实施方式对本发明进行说明。
具体实施方式一：结合图1说明本实施方式。
本实施方式为一种黑土地退化快速监测方法，包括以下步骤：
一、前期基础设置搭建及数据库建立过程：
S101、基础设置搭建：
通过云台将相机设置在铁塔上；云台能够记录自身姿态(也可以通过定位定姿模块来实现)，根据云台和相机的相对姿态关系，基于云台自身姿态确定相机的姿态，相机的姿态包括能够表征相机视线竖直方向的俯仰角i和表征相机视线水平方向的水平偏置角j；将俯仰角i和水平偏置角j的姿态记为相机的姿态(i，j)；
S102、数据库建立过程中的图像采集：
根据相机1倍变焦的视野范围，将待监测区域划分为多个待监测地块，每个待监测地块大小为相机1倍变焦的视野范围大小；利用相机采集地块图像，相机采集的图像为可见光图像(彩色图像)。
图像采集的时机：在耕地翻地以后进行图像采集。需要说明的是：在耕地翻地以后进行采集时，尽量保证采集时天气为连续多天晴朗(最好是10天以上)，这样更容易体现土壤本身的含水、保水能力，也更容易体现土壤的沙化状态。优选秋季进行翻地并进行图像采集，主要是因为秋季晴朗气候居多，更容易满足前述要求，同时由于秋季作物收获之后作物已经死亡，残余作物根系等也基本枯萎，不仅降低了植物本身含水量对土壤含水量的影响，而且也极大地降低了根系等对土壤板结状态的影响，也使土壤更容易反映土壤本质状态和自身性状，进而更容易呈现土壤的特征(板结状态，以及有机质、含水率表征的宏观状态特征等)。实际上可以选择春季或秋季翻地之后进行图像采集，但是由于春季的耕地可能会因冬季积雪的影响(尤其是北方)使得土壤不能真正反映自身的含水、保水能力，而且春季相对来说雨水相对更多，也会影响土壤自身的含水、保水能力的反映。而实际上选择春季进行翻地并进行图像采集。此外需要补充需要进行补充说明的是：虽然本发明并没有对土壤的有机质含量、含水率，以及板结状态等指标进行直接测定，但是本发明是对图像的变化进行分析实现监测的，而图像所呈现的颜色、状态等“特征”实际是有机质含量、含水率，以及板结状态所影响的土壤的宏观反映，因此图像的状态依然是体现了土壤这些指标的影响，因此本发明依然是受到上述气候等条件的影响。
在实际的图像采集过程中，可以不需要等到满足上述条件的气候出现再进行图像采集；而是一直连续进行图像采集，最后根据实际的气候条件等因素在采集的数据中进行数据筛选即可。
在相机1倍变焦的情况下，调整相机的姿态(i，j)采集地块图像，将当前姿态与对应的1倍变焦情况下的视野中心(体现在图像上就是1倍变焦的图像中心)进行关系绑定；
在1倍变焦下，用姿态(i，j)呈现的视野范围表征所拍摄到的地块Dij，这样1倍变焦下的姿态(i，j)就可以对应表示与其对应的地块Dij；由于相机一旦在铁塔上设置好，那么相机就已经确定了，所以1倍变焦下所呈现的视野范围是确定的(当更换相机之后，需要重新进行搭建过程，从而重新设置视野范围等信息)，因此1倍变焦下的视野中心就可以表征所拍摄地块，也就是在1倍变焦(或者说相机无变焦)下姿态(i，j)呈现的视野范围可以表征所拍摄到的地块Dij。
将地块Dij对应的1倍变焦下的视野范围记为基准视野范围，基准视野范围的图像记为视野范围基准图像；针对地块Dij对应的基准视野范围，调整相机到合适的变焦倍数采集图像，合适的变焦倍数是指适合展示对应地块图像细节(便于后期对比分析)的变焦倍数，合适的变焦倍数由人工根据实际采集环境确定，将此合适的变焦倍数记为分析变焦倍数，并将分析变焦倍数与对应的地块Dij进行绑定；将分析变焦倍数下采集的图像记为标准细节图像(相比1倍变焦下的图像，标准细节图像为大倍率图像)。由于地块Dij到相机所在位置的距离是不同的，因此不同地块Dij的分析变焦倍数可以是不同的，一般情况下，距离相机位置越远的地块分析变焦倍数越大。
针对地块Dij对应的基准视野范围，以分析变焦倍数采集的标准细节图像为多张，多张标准细节图像能够拼接成一张完整的图像，且拼接成一张完整的图像能够覆盖基准视野范围全部范围，拼接的完整图像为视野范围基准图像的高分辨率图像。多张标准细节图像之间有重叠区域，重叠区域可以任意设置，一般情况下两张相邻的标准细节图像设置5％-10％的重叠区域；需要说明是：调整相机到合适的变焦倍数采集图像的过程中，由于分析变焦倍数的影响，相比基准视野范围，一个标准细节图像所展示的视野范围更小，所以在分析变焦倍数下采集图像的过程中要调整相机的姿态，而拼接的完整图像中心对应的标准细节图像与基准视野范围对应的相机姿态相同，因此在以分析变焦倍数采集的标准细节图像过程中，可以在基准视野范围状态下直接进行分析变焦倍数变焦，采集标准细节图像(也就是拼接的完整图像中心对应的标准细节图像)，然后以其为中心向四周方向进行标准细节图像采集。本实施方式中对采集过程中伴随的姿态调整进行记录。
基于灰度世界算法，将每个地块Dij对应的视野范围基准图像，以及对应的多张标准细节图像分别进行白平衡处理，以尽量减少甚至消除环境光的影响，从而提高监测结果的准确性。将白平衡处理后的视野范围基准图像、标准细节图像分别记为修正视野范围基准图像、修正标准细节图像。
S103、数据库建立：
将每个地块Dij对应的数据(姿态(i，j)、修正视野范围基准图像、分析变焦倍数、修正标准细节图像等)作为一组，按组存储在数据库中。
二、黑土地退化快速监测过程：
S201、针对待监测区域的每个地块Dij，根据地块Dij与设置在铁塔上的相机姿态(i，j)的关系，基于姿态(i，j)直接采用相机采集地块图像，将监测时地块对应1倍变焦情况下的图像记为视野范围对比图像；
同时根据数据库中存储的Dij对应的分析变焦倍数，按照分析变焦倍数采集的图像记为对比细节图像；通过调整采集对比细节图像时的相机姿态，使得对比细节图像与数据库中同地块对应的标准细节图像一一对应；
在基础设置搭建及数据库建立过程完成年度以后的年度进行监测，在监测当年耕地翻地以后进行图像采集，且监测过程采集图像时的时间点在监测当年时间刻度与基础设置搭建及数据库建立过程中采集图像的时间点在准备当年时间刻度在统一到年尺度内的误差应小于时间误差阈值，例如时间误差阈值为15天，当基础设置搭建及数据库建立过程中采集的时间刻度为10月5日，那么监测过程采集图像时的时间刻度应该为监测当年10月5日的15天误差范围内。由于相同的时间刻度误差阈值范围内，气候条件比较近似，土壤的状态也比较近似，这样对土地退化的监测结果也相对更加准确。
S202、基于灰度世界算法，将地块Dij的对比细节图像进行白平衡处理得到修正对比细节图像。
S203、在数据库中提取地块Dij对应的修正标准细节图像，并在修正标准细节图像R、G、B通道中去除B通道数据(保留R、G通道数据)，得到二通道修正标准细节图像Pij；此过程采用现有的通道的合并与分离技术即可，本发明不在进行详细说明。本发明采用将R、G两通道数据合并更容易突出土壤偏黄色的像素信息，更容易表征土壤的有机质含量、含水量及沙化特性，因此可以更好的对土壤退化做出判断。
同样地，在相同地块Dij对应的修正对比细节图像R、G、B通道中去除B通道数据，得到二通道修正对比细节图像P’ij；
S204、由于地块Dij的对比细节图像与数据库中同地块对应的标准细节图像一一对应，因此二通道修正标准细节图像Pij和二通道修正对比细节图像P’ij也是一一对应的。针对将Pij和与其对应的P’ij，将Pij的像素点pij与P’ij的像素点pi′j一一对应，针对一一对应的像素点，计算地块Dij的第k个对比细节图像距离变化量
Figure BDA0004088462350000071
Figure BDA0004088462350000072
公式中的pij、pi′j实际为像素点的像素值(两通道合并的像素值)。
进而得到地块Dij的对比细节图像距离平均变化量Vij
Figure BDA0004088462350000073
其中，K表示地块Dij的对比细节图像的数量(实际上也是标准细节图像的数量)；
采用Vij作为地块Dij的退化指标，对黑土地进行退化监测。
实际上，地块Dij的K张对比细节图像是能够拼接成一张完整的图像的，而且拼接成一张完整的图像也是能够覆盖基准视野范围全部范围(实际就是视野范围对比图像呈现的视野范围)的，因此对比细节图像距离平均变化量Vij是可以认为代表地块Dij的基准视野范围全部范围内表征量的平均变化程度的，因此可以表示地块Dij的退化量。
在后续的监测过程中，可以以前一年的数据为基准进行监测(即将前一年的数据作为数据库建立过程中的图像采集时对应的数据)，也可以继续以初始的数据库建立过程中的图像采集的数据为基准进行监测。
由于本发明可以实现黑土地退化的自动监测方法，因此可以实现黑土地退化的快速监测。本发明是作为一种黑土地退化的监测手段，侧重黑土地退化的宏观表现的监测，并不能获取导致黑土地实际发生变化过程中土壤的有机质及氮、磷、钾等各种元素含量的变化数据，因此当本发明作为监测手段发现某块黑土地退化严重时，可以辅以人工取样并进行实验室分析的方式对特定地块进行具体化验分析，进而安排合理的土地恢复方案。
本发明采用图像对比的方式直接进行监测，相比利用可见光图像(或者光谱图像)通过建模反演的方式对黑土地退化的预测，或者通过建模反演的方式对黑土地状态进行预测，进而根据状态实现退化预测，本发明的处理过程也会更加直接、高效，从而缩短单次监测的时间，提高监测效率。同时由于不同地块的土壤的有机质及氮、磷、钾等可能是不同的，甚至是有较大区别的，这本身给建模的过程造成了极大的难度，严重影响了反演模型的准确率，而且为了得到相对准确的反演模型，且由于不同地块样本区别比较大，因此需要收集大量的样本进行采集和分析，依然存在需要大量的人力物力，而且耗时非常长的问题。
具体实施方式二：
本实施方式为一种计算机存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现基于图像分析的黑土地退化快速监测方法(不包括基础设置搭建的步骤)。
应当理解，指令包括本发明描述的任何方法对应的计算机程序产品、软件或计算机化方法；所述指令可以用于编程计算机系统，或其他电子装置。计算机存储介质可以包括其上存储有指令的可读介质，可以包括但不限于磁存储介质，光存储介质；磁光存储介质包括只读存储器ROM、随机存取存储器RAM、可擦除可编程存储器(例如，EPROM和EEPROM)以及闪存层，或者适合于存储电子指令的其他类型的介质。
具体实施方式三：
本实施方式为一种基于图像分析的黑土地退化快速监测设备，所述设备包括处理器和存储器，应当理解，包括本发明描述的任何包括处理器和存储器的设备，设备还可以包括其他通过信号或指令进行显示、交互、处理、控制等以及其他功能的单元、模块；
所述存储器中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现所述的基于图像分析的黑土地退化快速监测方法(不包括基础设置搭建的步骤)。
本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (10)

1.基于图像分析的黑土地退化快速监测方法，其特征在于，根据建立好的数据库实现黑土地退化的快速监测；
所述数据库的建立过程包括以下步骤：
步骤A1、图像采集：
根据相机的1倍变焦的视野范围，将待监测区域划分为多个待监测地块，每个待监测地块大小为相机1倍变焦的视野范围大小；相机采集的图像为彩色图像；
在相机1倍变焦的情况下，调整相机的姿态(i，j)采集地块图像，将当前姿态与对应的1倍变焦情况下的视野中心进行关系绑定；姿态(i，j)包括能够表征相机视线竖直方向的俯仰角i和表征相机视线水平方向的水平偏置角j；
在1倍变焦下，用姿态(i，j)呈现的视野范围表征所拍摄到的地块Dij，用1倍变焦下的姿态(i，j)表示与其对应的地块Dij；
将地块Dij对应的1倍变焦下的视野范围记为基准视野范围，基准视野范围的图像记为视野范围基准图像；针对地块Dij对应的基准视野范围，确定分析变焦倍数，并将分析变焦倍数与对应的地块Dij进行绑定；将分析变焦倍数下采集的图像记为标准细节图像；针对地块Dij对应的基准视野范围，以分析变焦倍数采集的标准细节图像为多张；
步骤A2、将每个地块Dij对应的视野范围基准图像，以及对应的多张标准细节图像分别进行白平衡处理；将白平衡处理后的视野范围基准图像、标准细节图像分别记为修正视野范围基准图像、修正标准细节图像；
步骤A3、数据库建立：
将每个地块Dij对应的数据作为一组，按组存储在数据库中；
所述实现黑土地退化的快速监测的过程包括以下步骤：
步骤B1、针对待监测区域的每个地块Dij，根据地块Dij与相机姿态(i，j)的关系，基于姿态(i，j)直接采用相机采集地块图像，将监测时地块对应1倍变焦情况下的图像记为视野范围对比图像；
同时根据数据库中存储的Dij对应的分析变焦倍数，按照分析变焦倍数采集图像并记为对比细节图像；通过调整采集对比细节图像时的相机姿态，使得对比细节图像与数据库中同地块对应的标准细节图像一一对应；
步骤B2、将地块Dij的对比细节图像进行白平衡处理得到修正对比细节图像；
步骤B3、在数据库中提取地块Dij对应的修正标准细节图像，并在修正标准细节图像R、G、B通道中去除B通道数据，得到二通道修正标准细节图像Pij；
同样地，在相同地块Dij对应的修正对比细节图像R、G、B通道中去除B通道数据，得到二通道修正对比细节图像P’ij；
步骤B4、二通道修正标准细节图像Pij和二通道修正对比细节图像P’ij也是一一对应的，针对将Pij和与其对应的P’ij，将Pij的像素点pij与P’ij的像素点p′ij一一对应，针对一一对应的像素点，计算地块Dij的第k个对比细节图像距离变化量
Figure QLYQS_1
Figure QLYQS_2
进而得到地块Dij的对比细节图像距离平均变化量Vij
Figure QLYQS_3
其中，K表示地块Dij的对比细节图像的数量；
采用Vij作为地块Dij的退化指标，对黑土地进行退化监测。
2.根据权利要求1所述的基于图像分析的黑土地退化快速监测方法，其特征在于，采用灰度世界算法对图像进行白平衡处理。
3.根据权利要求2所述的基于图像分析的黑土地退化快速监测方法，其特征在于，数据库建立过程和黑土地退化监测过程中，在耕地翻地以后进行图像采集。
4.根据权利要求1、2或3所述的基于图像分析的黑土地退化快速监测方法，其特征在于，所述相机通过云台将设置在铁塔上；云台能够记录自身姿态，根据云台和相机的相对姿态关系，基于云台自身姿态确定相机的姿态(i，j)。
5.根据权利要求4所述的基于图像分析的黑土地退化快速监测方法，其特征在于，针对地块Dij对应的基准视野范围，以分析变焦倍数采集多张标准细节图像的过程中，多张标准细节图像能够拼接成一张完整的图像，且拼接成一张完整的图像能够覆盖基准视野范围全部范围。
6.根据权利要求5所述的基于图像分析的黑土地退化快速监测方法，其特征在于，对于同一个地块Dij，采集的多张标准细节图像之间有重叠区域。
7.根据权利要求6所述的基于图像分析的黑土地退化快速监测方法，其特征在于，多张标准细节图像之间有重叠区域如下：
两张相邻的标准细节图像设置5％-10％的重叠区域。
8.根据权利要求7所述的基于图像分析的黑土地退化快速监测方法，其特征在于，所述分析变焦倍数由人工根据实际采集环境确定。
9.一种计算机存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至8任意一项所述的基于图像分析的黑土地退化快速监测方法。
10.一种基于图像分析的黑土地退化快速监测设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至8任意一项所述的基于图像分析的黑土地退化快速监测方法。
CN202310143893.4A 2023-02-21 2023-02-21 基于图像分析的黑土地退化快速监测方法、存储介质及设备 Active CN116156329B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310143893.4A CN116156329B (zh) 2023-02-21 2023-02-21 基于图像分析的黑土地退化快速监测方法、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310143893.4A CN116156329B (zh) 2023-02-21 2023-02-21 基于图像分析的黑土地退化快速监测方法、存储介质及设备

Publications (2)

Publication Number Publication Date
CN116156329A CN116156329A (zh) 2023-05-23
CN116156329B true CN116156329B (zh) 2023-07-07

Family

ID=86338761

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310143893.4A Active CN116156329B (zh) 2023-02-21 2023-02-21 基于图像分析的黑土地退化快速监测方法、存储介质及设备

Country Status (1)

Country Link
CN (1) CN116156329B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11355764A (ja) * 1998-06-12 1999-12-24 Canon Inc 撮影制御装置、監視カメラシステム、制御方法、及び記憶媒体
CN102256102A (zh) * 2010-05-20 2011-11-23 中国农业科学院农业资源与农业区划研究所 一种基于远程监控的农情信息实时监测方法及系统
CN104320607A (zh) * 2014-08-06 2015-01-28 江苏恒创软件有限公司 基于无人机的监控农田作物生长的方法
CN108038902A (zh) * 2017-12-07 2018-05-15 合肥工业大学 一种面向深度相机的高精度三维重建方法和系统
US10255670B1 (en) * 2017-01-08 2019-04-09 Dolly Y. Wu PLLC Image sensor and module for agricultural crop improvement
CN110411408A (zh) * 2019-07-11 2019-11-05 浙江大学 一种基于计算机视觉的地表沉降监测方法
CN111787232A (zh) * 2020-08-03 2020-10-16 海能达通信股份有限公司 基于云台摄像机的图像处理方法、设备及存储介质
WO2021181371A1 (en) * 2020-03-11 2021-09-16 Viewnetic Ltd. Systems and methods for monitoring plants in plant growing areas
CN114894791A (zh) * 2022-05-06 2022-08-12 江苏润果农业发展有限公司 基于匹配因子的水稻长势分析系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10089716B2 (en) * 2016-09-03 2018-10-02 Microsoft Technology Licensing, Llc Generating real-time sensor maps from videos and in-ground sensor data

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11355764A (ja) * 1998-06-12 1999-12-24 Canon Inc 撮影制御装置、監視カメラシステム、制御方法、及び記憶媒体
CN102256102A (zh) * 2010-05-20 2011-11-23 中国农业科学院农业资源与农业区划研究所 一种基于远程监控的农情信息实时监测方法及系统
CN104320607A (zh) * 2014-08-06 2015-01-28 江苏恒创软件有限公司 基于无人机的监控农田作物生长的方法
US10255670B1 (en) * 2017-01-08 2019-04-09 Dolly Y. Wu PLLC Image sensor and module for agricultural crop improvement
CN108038902A (zh) * 2017-12-07 2018-05-15 合肥工业大学 一种面向深度相机的高精度三维重建方法和系统
CN110411408A (zh) * 2019-07-11 2019-11-05 浙江大学 一种基于计算机视觉的地表沉降监测方法
WO2021181371A1 (en) * 2020-03-11 2021-09-16 Viewnetic Ltd. Systems and methods for monitoring plants in plant growing areas
CN111787232A (zh) * 2020-08-03 2020-10-16 海能达通信股份有限公司 基于云台摄像机的图像处理方法、设备及存储介质
CN114894791A (zh) * 2022-05-06 2022-08-12 江苏润果农业发展有限公司 基于匹配因子的水稻长势分析系统及方法

Also Published As

Publication number Publication date
CN116156329A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
Inoue et al. Utilization of ground-based digital photography for the evaluation of seasonal changes in the aboveground green biomass and foliage phenology in a grassland ecosystem
Toda et al. Estimation of plant area index and phenological transition dates from digital repeat photography and radiometric approaches in a hardwood forest in the Northeastern United States
CN111241912A (zh) 一种基于机器学习算法的多植被指数的水稻产量估测方法
CN109284771B (zh) 一种番茄生长模型判定方法及装置
CN116108318B (zh) 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法
Shibayama et al. Estimating paddy rice leaf area index with fixed point continuous observation of near infrared reflectance using a calibrated digital camera
CN103278503A (zh) 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统
WO2024061159A1 (zh) 一种基于叶绿素含量的夏玉米旱情无人机快速监测判别方法
Beeri et al. Geographical model for precise agriculture monitoring with real-time remote sensing
CN113705937B (zh) 一种联合机器视觉与作物模型的农田估产方法
Liang et al. Plant phenological responses to the warm island effect in the lake group region of the Badain Jaran Desert, northwestern China
Ouyang et al. Assessment of canopy size using UAV-based point cloud analysis to detect the severity and spatial distribution of canopy decline
CN116156329B (zh) 基于图像分析的黑土地退化快速监测方法、存储介质及设备
van Blerk et al. UAVs improve detection of seasonal growth responses during post-fire shrubland recovery
Genno et al. Apple growth evaluated automatically with high-definition field monitoring images
Bao et al. Assessing and characterizing oilseed rape freezing injury based on MODIS and MERIS data
CN116482041A (zh) 一种基于反射光谱的水稻抽穗期无损快速识别方法及系统
Liu et al. Application of UAV-retrieved canopy spectra for remote evaluation of rice full heading date
Vanbeveren et al. A comparative study of four approaches to assess phenology of Populus in a short-rotation coppice culture
CN116187859A (zh) 灌区农作物低温冷害监测与诊断方法、装置、设备及介质
CN114778476A (zh) 一种基于无人机遥感的苜蓿棉田土壤含水量监测模型
CN114511777A (zh) 一种基于图像识别方法的桃树花期监测评估方法
Guo et al. High-throughput estimation of plant height and above-ground biomass of cotton using digital image analysis and Canopeo
CN111932551A (zh) 一种水稻插秧机的漏插率检测方法
Sharma et al. Tracking the seasonal dynamics of Himalayan birch using a time-lapse camera

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
CB03 Change of inventor or designer information

Inventor after: Chen Zhijian

Inventor after: Zhao Jiang

Inventor after: Xin Yumin

Inventor after: Liu Chengbo

Inventor after: Xiang Jing

Inventor before: Chen Zhijian

Inventor before: Xin Yumin

Inventor before: Liu Chengbo

Inventor before: Xiang Jing

CB03 Change of inventor or designer information