[发明专利]一种小麦抽穗的自动检测方法

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的交叉领域，具体涉及到一种小麦抽穗的自动检测方法，即以田间拍摄的小麦前下视图像序列为对象，从图像特征上自动检测小麦是否进入抽穗期的方法。

背景技术

小麦是世界上总产量第二的粮食作物，在我国东北、华北、华东等地区大范围种植。为了提高小麦的产量和质量，需要对它的发育速度和进程进行了解，并在此基础上分析它的各发育期与气象条件之间的联系，从而鉴定小麦生长的农业气象条件。然而长期以来，对于小麦各发育期的观测主要是通过人工观测的方式，受观察员主观因素的影响很大；同时由于小麦的种植地域广、生长周期长，利用人工进行观测也不够经济，没有办法保证精确度。小麦抽穗期是小麦生长期中的关键时期，对小麦产量形成过程较为重要。小麦抽穗期是衡量小麦成熟的重要指标。有效而准确地识别这个时期，是农业气象观测的重要内容。

2009年李卫国、李正金、申双和在《江苏农业科学》上发表的“小麦遥感估产研究现状及趋势分析”中就小麦遥感估产精度的提高、遥感和模型结合的估产研究与应用、极端气候条件下的遥感估产以及遥感估产技术的信息集成化做了阐述；2009年张旭东在其硕士论文《卫星遥感监测江苏省小麦籽粒产量和品质初步探索》中利用遥感技术在小麦生长的中后期对籽粒产量及蛋白质含量进行了预测；2010年蔡薇在其硕士论文《基于MODIS遥感数据混合像元分解的小麦识别及面积估算》中对Langsat5TM数据采用监督分类，根据分类结果图提取小麦种植区域，并进行像元聚类分析，将其结果作为MODIS混合像元分解精度的评价标准。但以上对小麦产量、生长状况的监测都是利用遥感数据确定的，而由于遥感图像本身存在分辨率低，容易受到云层、云阴影和气溶胶等影响，且每天在固定区域也仅有单张图像可以使用，因此有较大的局限性，不适用于实际大田环境下小麦抽穗期的自动连续检测，难以获得实时、准确的小麦抽穗信息。目前还需一种准确率高、实用性强和操作方便的方式来代替抽穗期人工检测方式，以获取小麦抽穗期的准确时间，便于及时指导农事活动。

通过田间拍摄的小麦前下视序列图像，其涵盖的有用信息更多，有助于小麦抽穗期的实时、准确检测。因此通过拍摄的小麦前下视序列图像，借助图像处理、信息汇总的手段，对小麦发育期进行自动观测就显得十分必要，但基于图像的小麦抽穗期自动检测技术目前尚未见公开报道。

发明内容

本发明目的在于提供一种小麦抽穗期的自动检测方法，以实时田间采集的小麦前下视序列图像为对象，利用其图像特征准确地检测出小麦抽穗期的时间。

一种小麦抽穗的自动检测方法，包括以下步骤：

(1)训练阶段：

(1.1)拍摄已进入拔节期的田间小麦图像序列，从田间小麦图像序列中的每一张图像中按照相同方式提取多块子区域作为观测区域；

(1.2)分别对各图像的观测区域进行主成分分析，得到各观测区域的特征向量；

(1.3)依据步骤(1.2)得到的各观测区域的特征向量将各图像中的观测区域投影到特征空间的第一或第三维，获得每一观测区域的特征图像；将各图像同一位置的特征图像合并，获得该观测区域的特征合并图像；通过阈值分割将各特征合并图像转化为二值图；对于每一二值图，若其包含的黑色像素点多于白色像素点，则表明该观测区域的麦穗颜色类型为偏暗型，否则，表明该观测区域的麦穗颜色类型为偏亮型；

(2)检测阶段：

(2.1)按照与步骤(1.1)的相同方式从待检测图像提取多块子区域作为检测区域；

(2.2)依据步骤(1.2)得到的各观测区域的特征向量将待检测图像中对应的检测区域投影到特征空间的第一或第三维，获得每一检测区域的特征图像；

(2.3)通过阈值分割将每一检测区域的特征图像转换为二值图，若该二值图对应的观测区域的麦穗颜色类型为偏暗型，则从该二值图中选取黑色像素点区域作为麦穗候选区域，若该二值图对应的观测区域的麦穗颜色类型为偏亮型，则从该二值图中选取白色像素点区域作为麦穗候选区域；

(2.4)分别提取每一麦穗候选区域的图像特征，根据提取的图像特征对麦穗候选区域做去噪处理，最终保留的区域即为麦穗区。

(2.5)若各检测区域中确定的麦穗区个数大于预定的第一界定数，则表明该检测区域进入抽穗期；若待检测图像中一半或一半以上的检测区域都进入抽穗期，则表明待检测图像进入抽穗期。

所述步骤(2.4)按照如下方式进行提取麦穗候选区域的图像特征，根据提取的图像特征对麦穗候选区域做去噪处理：