[发明专利]水稻稻穗表型参数自动测量和穗重预测方法

权利要求书

1.一种水稻稻穗表型参数自动测量和穗重预测方法，其特征在于包括以下步骤：

(1)通过扫描仪获取稻穗图像：将晒干的稻穗平铺在白纸上，并用胶带固定，开启计算机，连接扫描仪，将固定于白纸上的稻穗放入扫描仪中，即可获得稻穗图像；

(2)将扫描所得到的稻穗图像进行灰度化：提取扫描所得到的稻穗图像的R、G、B分量，采用3R-G+B的组合方式得到灰度化图像；

(3)对得到的灰度化图像进行滤波去噪，并分离出稻穗部分的二值化图像：对得到的灰度化图像进行滤波去噪，并采用OTSU自动阈值处理得到二值图像；

(4)利用步骤(3)的二值图像同时提取实粒面积与总粒面积，实粒数与总粒数；依据Hilditch细化算法提取稻穗骨架，利用得到的稻穗骨架提取最长路径的穗长；计算计盒维数；恢复稻穗图像的纹理和颜色特征；

(5)将步骤(4)中的性状参数与穗重进行相关性分析，将性状参数与穗重进行逐步回归分析；

(6)根据步骤(5)中的相关性分析和逐步回归分析结果确定BP神经网络结构；

(7)根据步骤(6)中的BP神经网络结构预测穗重；

所述步骤(4)中恢复稻穗图像的纹理和颜色特征的方法为：采用图像掩膜技术，恢复二值图像的纹理和颜色特征，分别利用灰度直方图和灰度共生矩阵各提取6个纹理特征参数，将整幅图像的灰度值范围划分为3组，分别统计每组范围内像素点的个数，去除枝梗，同时计算含有枝梗的稻穗颜色信息和不含枝梗的稻穗颜色信息。

2.根据权利要求1所述的水稻稻穗表型参数自动测量和穗重预测方法，其特征在于所述步骤(4)中提取实粒面积与总粒面积，实粒数与总粒数的方法为：得到的二值图像的前景点值为1，背景点值为0，对图像进行预处理以区分出实粒和瘪粒，同时统计出实粒数与总粒数，去除瘪粒部分后，利用谷粒所占前景点像素个数乘以单位像素空间分辨率(mm²)，计算出实粒与总粒的面积，计算公式如下：

S=Ndpi2]]>

其中S为面积，N为目标前景像素点个数，dpi为分辨率。

3.根据权利要求1或2所述的水稻稻穗表型参数自动测量和穗重预测方法，其特征在于所述步骤(4)中提取稻穗骨架计算穗长的方法为：利用Hilditch细化算法处理图像，得到图像的骨架，并进行去除毛刺的处理，优化骨架图像，利用优化的骨架图像提取穗长，对整幅骨架图像进行扫描，得到端点信息，分别计算每两个端点之间的前景像素总数，其中最大值为穗长，只保留最长路径的前景像素，而将其他路径的中的前景像素转变为背景像素。

4.根据权利要求1或2所述的水稻稻穗表型参数自动测量和穗重预测方法，其特征在于所述步骤(4)中计算计盒维数的方法为：根据盒维数的定义采用Cantor集构造，处理二值图像可以得到反映稻穗形状的Cantor集盒维数，计算公式如下：

BCD=limk→∞ln Nδk(F)-lnδk]]>

其中BCD为计盒维数，δ_k为盒子大小，为不为空的盒子个数。