[发明专利]一种基于光学图像的叶面积指数提取阈值分割方法

说明书

本发明公开了一种基于光学图像的叶面积指数提取阈值分割方法，采用鱼眼摄像头拍摄得到原始冠层图像，并对其进行提取57.5度环和灰度化等预处理，获得成像区域的灰度图。然后自右向左使用差分遍历向量法寻找最优二值化阈值。在通过这个阈值对图像进行二值化以及滤波去燥，最后计算出叶面积指数。本发明提出的基于光学图像的叶面积指数提取阈值分割方法相比于传统的分割方法提高了图像二值化的准确性，克服了现有二值化阈值选取方法中存在较多的误判的问题，并且提高二值化分割的准确率，从而提升叶面积指数的精确性。

技术领域

本发明属于叶面积指数测量技术领域，更为具体地讲，涉及一种基于光学图像的叶面积指数提取阈值分割方法。

背景技术

植被是陆表生态系统的重要组成成分，而叶片则是植被与外界进行相互作用的一个重要器官，在生态学中，叶面积指数LAI是反应植物生存、生长状态的一个重要指标，通过这个指标可以得到很多关于植物的其它状态信息，如叶面的数目、冠层结构等，此外除了反映植物本身生存状态外还可以由此推论出该植物群落的整体状态，为分析整体活力和对其它植物、动物的影响提供理论基础。除了静态的数据特征外，通过对植物叶面指数长时间检测，可以动态的了解该植物的生长过程，以及在这个过程中与周围环境、大气间的相互作用，具体体现为从土壤、大气中获取基本元素的过程和向大气中释放元素的过程，这是一个平衡的过程，需要通过使用环境检测手段进行动态检测，得到一段时间的连续信息才能够更好的了解植物生长的过程。

叶面积指数是作物群体结构重要的特征参数，一直以来，国内外对获取植物叶面积指数的方法也进行了许多研究。从最初带有破坏性的直接测量法到如今的图像处理法、遥感图像法和传感器法等多种方法获取植物叶面积指数。而目前在基于冠层图像的图像测量法中，冠层图像的处理是算法的关键。现有算法中在对冠层图像进行二值化时，其二值化阈值选取方法为经验值，存在较大主观因素，可能将天空叶片像元误判，二值化效果不理想，影响最终叶面积指数的准确性。

二值化是一种特定的处理方式，处理目标可以是树木的冠层图像，具体的处理过程为将图像中所有的像素点的值设置为不是0就是255，其中像素值是0就表示黑色，像素值是255就表示是白色，整幅图像进过这种处理后呈现出黑白效果，而且对图像进行二值化后可以使图像中数据量大为减小，从而也能凸显出目标的轮廓。在本研究内容中主要是将半球图像划分为只有“叶片”和“天空背景”两种像元的黑白图片，为了突出研究目标“叶片”，因此选定一个合适的阈值是十分重要的一步，并且阈值的选取对后面参数反演的结果影响也非常大，在底视法研究中，将图像中像素值大于阈值的灰度值设置为255，归为天空背景，将图像中像素值小于阈值的灰度值设置为0，归为叶片，计算公式如下所示：

其中BlackWhite(x,y)表示二值化图片中横坐标为x纵坐标为y处的像素值，T表示阈值大小，Gray(x,y)表示灰度化图片中横坐标为x纵坐标为y处的灰度值。

在对冠层图像进行处理过程中，图像二值化分割结果的好坏直接影响到后面冠层孔隙度的提取，进而间接影响到LAI的估算，所以二值化阈值的选取十分关键。正因为二值化阈值的重要性，科学家们对二值化阈值的选取也做了很多研究，常用的图像二值化阈值的方法有双峰法、P参数法、最大类间方差法、最大熵阈值法和迭代法等等。

对于有的图像，由于它的组成比较简单，因此在这种图像灰度化后的灰度直方图中，背景会形成一个波峰，目标物体会形成一个波峰，在这两个波峰之间就会形成一个波谷，那么这个灰度直方图中波谷所对应的灰度值T就可以作为二值化图像的阈值，也就是说这个值可以很好地分割背景和目标物体，这就是双峰法。