[发明专利]农作物冠层热红外图像识别方法及系统

说明书

本发明实施例提供了一种农作物冠层热红外图像识别方法及系统，采用基于图像特征的模板标定方法，将从目标农作物冠层的可见光图像中提取的第一农作物冠层区域作为参考图像，应用仿射变换算法将参考图像和热红外图像进行配准，可以解决不同传感器因视角存在差异而导致的图像间无法精确匹配的问题。根据配准的结果对热红外图像中的第二农作物冠层区域进行识别，而不是直接对热红外图像中的第二农作物冠层区域进行识别，可以避免现有技术中农作物冠层热红外图像在识别过程中所存在的复杂噪声干扰较多、目标区域与环境背景之间灰度差别小等而导致识别精确度较低的问题。

技术领域

本发明实施例涉及图像识别技术领域，更具体地，涉及农作物冠层热红外图像识别方法及系统。

背景技术

随着信息技术快速普及和发展，热红外成像技术日益成熟，已受到农业科学工作者的广泛关注。农作物冠层热红外图像能够反映作物生殖生长信息，是获取植株生理生态指标参数的重要途径。目前冠层热红外图像识别技术已成为精细农业领域的热点和难点。国内外学者在热红外图像识别技术上取得了诸多研究成果，为更好发挥热红外图像在农业生产中的优势奠定了理论及技术基础。

早在1963年，农作物冠层热红外图像就用来研究并监测植物病害的发展。但由于热红外图像易受噪声干扰，且目标与背景之间灰度差别较小，因此目前针对红外图像的交互式图割方法的效率有待于进一步提高，同时由于没有充分考虑图像的模糊信息，即像素的灰度接近程度和空间相关性，导致对于低对比度图像的边缘部分和模糊部分的分割效果较差。因此如何精准识别出农作物冠层热红外图像成为其有效应用的关键。有学者通过引入模糊位置先验来定义能量函数的似然能，提出了模糊图割的概念。另有学者基于峰谷法提出了用于红外目标分类、识别的边距离分布特征概念。由于点状温度演化为面状冠层时具有一定的误差，导致仅以热成像图像信息特征为分割依据难以达到理想精度，所以基于水平集的热红外图像分割方法得到了快速发展。另有学者建立了一种自适应调整边缘指示器函数，增强演化曲线边界的匀称性，但仍未解决灰度分布不均的热红外图像的边缘识别问题。为此，有学者提出了全变差最小的梯度转移融合方法，还有学者建立了一种新的广义梯度向量流snakes模型，在平滑噪声的同时，提高了弱边缘的保护能力。Harris算子可提取彩色和热红外图像的对应角点，估计分割模型参数，用于识别目标图像，但当外点较多时，识别率较低。还有其他学者通过仿射变换计算参考图像与目标图像，构建特征三角形的变换参数，提取了热红外图像。有学者通过计算待配准图像与参考图像的映射关系，求解像素点所在位置的梯度模之和的最大值，从而确定变换模型参数，但对于红外图像中经常出现的伪边缘噪声比较敏感。还有学者采用二值化Ostu算法和Canny边缘检测算法对热红外图像进行掩膜处理，实现对土壤背景的剔除，但分割质量受冠层叶片的温度差别影响较大。

因此，现急需提供一种农作物冠层热红外图像识别方法及系统，以解决农作物冠层热红外图像在识别过程中所存在的复杂噪声干扰较多、目标区域与环境背景之间灰度差别小等导致识别精度较低的问题。

发明内容

为克服上述问题或者至少部分地解决上述问题，本发明实施例提供了一种农作物冠层热红外图像识别方法及系统。

第一方面，本发明实施例提供了一种农作物冠层热红外图像识别方法，包括：

分别获取目标农作物冠层的可见光图像和热红外图像；

提取所述可见光图像中的第一农作物冠层区域，并将所述第一农作物冠层区域作为参考图像；

基于仿射变换算法，将所述参考图像和所述热红外图像进行配准，并识别所述热红外图像中的第二农作物冠层区域。

第二方面，本发明实施例提供了一种农作物冠层热红外图像识别系统，包括：

图像获取模块，用于分别获取目标农作物冠层的可见光图像和热红外图像；

第一农作物冠层区域获取模块，用于提取所述可见光图像中的第一农作物冠层区域，并将所述第一农作物冠层区域作为参考图像；