[发明专利]一种基于航拍图像的农作物异常分析方法

说明书

本发明公开了一种基于航拍图像的农作物异常分析方法，针对植保机采集农田图像数据后需要有效提取的问题。该发明步骤如下：使用颜色显著性表达式拟合植被颜色特性进行植被分割；使用基于阴影检测表达式进行阴影细化分割；使用闭运算进行遮罩空洞的补全，多边形拟合算法去除边缘噪声；使用二维滤波器细化遮罩权重；将原始图像送入现有的影像拼接系统，得到每张图片的罗德里格斯矩阵和平移标量，将遮罩图像进行三维仿射变换，根据权重最小的方式进行遮罩合并，对最终的遮罩内像素进行NDVI计算和统计；输出NDVI响应差值图和直方图统计值。该技术通过图像分割方法得到可信的图像区域，排除阴影、周边杂物的影响，克服采集图像受工作高度的影响。

技术领域

本发明涉及农业领域的计算机视觉分析系统，特别是涉及一种基于航拍图像的农作物异常分析方法。

背景技术

智慧农业是基于现代化信息采集与分析的大数据产业，近年来使用空中机器人(无人机)进行植保作业已经广泛应用于各个规模的农田场景。植保工作普遍较为枯燥，每次作业所得到的数据一般是飞行轨迹和时间，没有较为成熟的信息管理平台。较为先进的植保信息平台已经可以接入航拍图像，并将航拍图像进行自动化拼接，以得到更为直观的地理信息数据。然而仅仅依赖图像数据是无法直接转化为帮助决策的信息的。

光谱分析法已经广泛应用于分析植被覆盖率和特征方面，然而使用光谱分析法的图像一般是高分辨率的遥感图像，成像距离地面较高，而植保机的飞行高度和遥感高度不在一个量级，因此导致植保机阴影遮挡对NDVI计算有影响，不能直接用于分析。NDVI以及其它指标的计算离不开遮罩信息，只有将图像内属于植物部分的遮罩信息提供后，才能在属于植物的像素上计算NDVI。NDVI以及其它指标的统计值会受阴影，道路、建筑物等杂物影响会使得分析丧失意义。

目前，较低高度拍摄的农田图像还没有专用工具来自动分割，只能通过手动分割。同时，目前采集小块农田的边缘位置时，现有信息采集系统即便有较成熟的影像拼接算法，但无法自动分割出农田边缘，依然无法进行整体的NDVI计算和异常农作物识别。目前，使用深度神经网络进行二类语义分割任务的训练计数已经十分成熟，只需要提供大致遮罩的样本即可。因此，如何基于植保机采集的数据进行更有效的数据提取，是一个现实意义很强的问题。

发明内容

本发明克服了现有技术中植保机采集农田图像数据后需要有效提取的问题，提供一种基于航拍图像的农作物异常分析方法。

本发明的技术解决方案是，提供一种具有以下步骤的基于航拍图像的农作物异常分析方法：在拼接图像的透视变换前，对图像中不可信区域和农田范围以外区域，通过农田区域遮罩的方法将其分割为两类，分析时仅考虑遮罩内的农田区域，其包含以下步骤：步骤1、使用颜色显著性表达式拟合植被颜色特性进行植被分割；步骤2、使用基于阴影检测表达式进行阴影细化分割；步骤3、使用闭运算进行遮罩空洞的补全，并使用多边形拟合算法去除边缘噪声；步骤4、使用二维滤波器细化遮罩权重；步骤5、将原始图像送入现有的影像拼接系统，得到每张图片的罗德里格斯矩阵和平移标量，将遮罩图像进行三维仿射变换，根据权重最小的方式进行遮罩合并，对最终的遮罩内像素进行NDVI计算和统计；步骤6、输出NDVI响应差值图和直方图统计值。

所述步骤1中颜色显著性φ的表达式考虑了NDVI和一般性颜色显著性，基于该表达式进行响应的提取，进行阈值化得到二值遮罩，表达式如下：

Color Response＝Max(R(i，j)，G(i，j)，B(i，j))-Min(R(i，j)，G(i，j)，B(i，j))，

φ＝NDVI_mapped*alpha+ColorResponse*beta，其中，NDVI_mapped是对植被的常见光谱分布进行响应的重映射，作为一种修正值，ColorResponse是对所有颜色进行显著性分析的快速计算方法，与植被的纯色特性相吻合，根据修正值alpha和beta的比例调节，拟合纯色特征植被特征，得到纯净的响应图，经过φ的阈值化后得到粗略的二值遮罩。