[发明专利]一种水稻移栽分蘖的自动检测方法

说明书

技术领域

本发明属于数字图像处理和农业气象观测交叉领域，具体涉及一种水稻移栽分蘖的自动检测方法，即以拍摄的田间水稻图像序列为对象，从图像特征上检测水稻是否移栽与是否发生分蘖的方法。

背景技术

水稻是我国主要的粮食作物之一，在我国南方种植广泛。水稻的整个发育期、产量和质量容易受到气候变化的影响。一直以来，对于水稻各发育期的观测主要是通过人工观测的方式，受观测员主观因素的影响较大；同时由于水稻种植地域广、生长周期长，利用人力进行观测也不够经济且存在着一定的主观性。因此，通过每天所拍摄的稻田图像，借助图像处理的手段，对其发育期进行观测就显得十分必要。水稻分蘖是水稻生长的一个重要环节，有效而准确的识别这一时期，是农业气象观测的一个重要内容。

2007年刘继承在硕士论文“基于数字图像处理技术的水稻长势监测研究”中仅仅用单株水稻图像实现对水稻的多种形态特征参数进行了提取，利用叶面指数来描述水稻群体的长势变化；2005年田翠玲在硕士论文“水稻长势遥感监测与产量预报复合建模研究”中利用NOAA卫星的可见光通道和近红外通道，构造植被指数(NDVI)，结合地面样区实测叶面积指数，进行水稻的叶面积指数的遥感监测与产量的预报。2008年孙华生在博士学位论文“利用多时相MODIS数据提取中国水稻种植面积和长势信息”和2009年在《遥感学报》上发表的论文“利用MODIS数据识别水稻关键生长发育期”中研究利用EOS-MODIS数据空间中覆盖中国范围的数据，对全国范围水稻种植面积和生长信息进行提取，同时利用时间序列对水稻的主要生长期进行了识别，生长期识别误差的时间在±16天左右；以上方法中田翠玲和孙华生是利用遥感数据对水稻的种植区域进行确定，利用时间序列中水稻的叶面积指数，对主要生长期进行识别并估产，但由于遥感图像分辨率低，且容易受到云层、云阴影和气溶胶等影响，使得水稻生长期的识别误差较大，在±16天左右。刘继承的硕士学位论文“基于数字图像处理技术的水稻长势监测研究”中仅用单株水稻来描述水稻群体的生长变化显然不可行，而用图像灰度分割后的叶面积指数单一特征来描述水稻群体的生长变化，难免会给算法的鲁棒性带来影响导致识别准确性降低。然而，在农业气象观测领域，主要通过利用稻田的水稻图像实时的对水稻移栽分蘖日期进行较准确的检测，以便及时指导施肥和防虫害等农事活动，而且稻田中水稻受浮萍等影响背景复杂，光照变化剧烈，上述利用遥感图像或仅用单一特征的方法都不可行。

发明内容

本发明目的在于提供一种水稻移栽分蘖的自动检测方法，能够精确地检测出水稻移栽与分蘖的时间。

一种水稻移栽分蘖的自动检测方法，具体为：

(1)在各检测时段内拍摄的水稻序列图像中分别提取水稻叶面区域；

(2)在提取后的水稻序列图像中检测水稻叶面特征值；

(3)若第i-1与第i时段间出现水稻叶面特征值的正跳变，则表明第i时段出现水稻移栽；

(4)若第i时段与第i+j时段间出现水稻叶面特征值的正跳变，则表明第i+j时段出现水稻分蘖。

所述水稻叶面特征值包括水稻叶面像素数目、水稻叶面区域二值图像骨架三叉点数目和水稻叶面区域灰度图像哈里斯特征点数目中的一个或组合。

所述步骤(1)利用历史统计的水稻叶面Y-H颜色特征统计表进行水稻叶面区域提取，水稻叶面Y-H颜色特征统计表包含信息有：水稻叶面像素点在各亮度下对应的色调均值和色调方差。

所述步骤(3)中，若第i时段与第i-1时段的水稻叶面特征值比值大于等于3∶1，则表明第i时段出现水稻移栽。

所述步骤(4)中，若第i+j时段与第i时段的水稻叶面特征值比值大于等于1.5∶1，则表明第i+j时段出现水稻分蘖。

所述步骤(1)按照如下方式进行水稻叶面区域提取：

(11)获取待分割图像D_t中第i行，第j列的像素点对应在Y-Cb-Cr颜色空间的亮度分量Y_t(i，j)和在H-S-V颜色空间的色调分量H_t(i，j)，Y表示Y-Cb-Cr颜色空间定义亮度，Cb表示蓝色色度分量，Cr表示红色色度分量，H表示色调，S表示饱和度，V表示H-S-V颜色空间定义亮度；