[发明专利]大田环境麦穗计数方法及装置

说明书

技术领域

本发明涉及图像处理及农学技术领域，尤其涉及一种大田环境麦穗计数方法及装置。

背景技术

小麦是我国主要的粮食作物，其播种面积与产量均位居各种粮食作物中的前列。因此，小麦的产量对国民经济、粮食安全均具有重要的影响。同时，单位面积小麦麦穗数量的测量是估计小麦产量的重要手段，对小麦测产具有重要意义。

目前小麦估产多采用人工判断、电容测产、气候分析预测、年景预测等方法，但这些方法都存在各自的不足：人工预测受人主观因素影响大；电容测产成本较高；气候分析与年景预测不够精确。公开号为CN103632157A的中国专利申请公开了一种小麦穗部籽粒计数方法，可以提取麦穗的面积、穗轴长度等特征，由此建立特征与籽粒数的数学模型，从而获取麦穗籽粒数量。该方法均仅适用于对单一麦穗籽粒数进行测量，无法适用于复杂的大田环境下，麦穗数量的测量。公开号为CN201740510U的中国专利公开了一种基于机器视觉的小麦穗部形态参数无损测量装置，可在田间无损状态下获取小麦麦穗图像，并通过图像处理得到小麦穗部形态参数。该装置同样无法解决大田环境下小麦麦穗数量的统计问题。

因此，如何利用图像处理技术提供一种客观准确的大田环境下的小麦麦穗数量的统计方法成为了亟待解决的技术问题之一。

发明内容

本发明所要解决的技术问题是如何客观准确地实现大田环境下的小麦麦穗数量的统计。

为此目的，本发明一方面提出了一种大田环境麦穗计数方法，包括：

获取待测区域内的麦穗图像；

提取所述麦穗图像的麦穗特征信息；

根据所述麦穗特征信息获取二值化图像；

将所述二值化图像进行细化处理，得到麦穗骨架图像；

根据所述麦穗骨架图像确定麦穗骨架数量及麦穗骨架拐点数量，并将所述麦穗骨架数量及麦穗骨架拐点数量之和作为麦穗数量。

优选地，所述提取所述麦穗图像的麦穗特征信息，具体包括：

按照m×m像素大小对所述麦穗图像进行网格化处理，以获得所述麦穗图像中的各图斑，所述m为不小于2的整数；

分别计算每个图斑中所有像素的色调H通道的平均值、饱和度S通道的平均值和亮度V通道的平均值，并将所述H通道的平均值、S通道的平均值和V通道的平均值作为每个图斑的3个颜色特征值；

对经过网格化处理的麦穗图像进行单通道处理，以得到麦穗灰度图像，根据所述麦穗灰度图像中的各图斑确定灰度共生矩阵，以根据所述灰度共生矩阵分别获取每个图斑在多个预设方向上分别对应的纹理二阶矩的平均值、纹理对比度的平均值、纹理熵的平均值及纹理相关度的平均值，并将所述纹理二阶矩的平均值、纹理对比度的平均值、纹理熵的平均值及纹理相关度的平均值作为每个图斑的4个纹理特征值；

对所述每个图斑的3个颜色特征值以及4个纹理特征值分别进行归一化处理，并将所述每个图斑的所述3个颜色特征值和所述4个纹理特征值作为所述麦穗图像的麦穗特征信息。

优选地，所述提取所述麦穗图像的麦穗特征信息之前，该方法还包括：

对所述麦穗图像依次进行预处理，所述预处理包括高斯降噪、图像增强和反色处理。

优选地，所述根据所述麦穗特征信息获取二值化图像，具体为：

利用支持向量机SVM分类器根据所述麦穗特征信息对所述麦穗图像进行二值化处理，以获取麦穗的二值化图像。

优选地，所述利用支持向量机SVM分类器根据所述麦穗特征信息对所述麦穗图像进行二值化处理之前，所述方法还包括：

获取预设数量的麦穗样本图像；

对所述麦穗样本图像中的麦穗对应的图像区域和背景对应的图像区域进行标注；

提取所述麦穗样本图像中每个图斑的麦穗特征信息，并根据标注后的小麦麦穗图像对所述每个图斑的麦穗特征信息进行分类；

利用所述麦穗样本图像中每个图斑的麦穗特征信息以及分类结果训练SVM分类器。

优选地，所述将所述二值化图像进行细化处理，具体包括：

A1：根据所述二值化图像中相连的相同灰度的图斑数量对所述二值化图像进行孔洞填充处理；

A2：对经过孔洞填充处理后的二值化图像进行逐行扫描，根据与相邻像素点之间的灰度变化情况判断扫描到的每个像素点是否为边界点，若是，将该边界点加入边界点序列；

A3：根据zhang快速并行细化算法的目标像素删除条件逐一判断所述边界点序列中的每个边界点是否可以删除，若是，则对该边界点的对应像素的灰度进行赋值；