[发明专利]一种基于深度信息的作物冠层分割方法

权利要求书

1.一种基于深度信息的作物冠层分割方法，其特征在于，包括以下步骤：

图像采集：在相同的位置和拍摄环境下，分别获取同一对象的深度图像和二维图像；

图像预处理：分别对深度图像和二维图像进行预处理；

二维图像配准：对拍摄深度图像和二维图像所使用的摄像机进行标定和修正，将二维图像与深度图像进行坐标配准；

二维图像配准的过程，具体包括以下步骤：

分别获取摄像机上彩色摄像头和红外摄像头的内参矩阵和外参矩阵；

在同一时刻根据红外摄像头和彩色摄像头的外参矩阵，算出关联二者的旋转矩阵和平移向量，并建立世界坐标系和摄像头坐标系之间的联系；

利用内参矩阵、外参矩阵、旋转矩阵和平移向量，为深度图像中每个像素点附上对应的彩色像素；其中，

为深度图像中每个像素点附上对应的彩色像素，具体包括以下步骤：

(1)构造一个像素点的三维向量q_ir＝(x,y,z)，其中x，y是像素点的像素坐标，z是像素点的深度值；

(2)用红外摄像头的内参矩阵的逆乘以三维向量q_ir，得到所述像素点对应的红外摄像头下的坐标点；

(3)用所述像素点对应的红外摄像头坐标下的坐标点乘以旋转矩阵，然后加上平移向量，求出彩色摄像头的坐标点；

(4)利用彩色摄像头的内参矩阵乘以彩色摄像头的坐标点，求出所述像素点相对应的彩色像素坐标点的三维向量q_rgb，通过三维向量q_rgb中像素点的像素坐标在彩色图像中的像素坐标，找出所述像素点所对应的彩色像素；

(5)分别为深度图像中每个像素点构造所述三维向量q_ir，重复步骤(2)至(4)，获得配准后的深度图像；

深度图像二值化：将经过预处理后的深度图像做灰度直方图变换，获取前景和背景两部分，以灰度直方图中双峰的中点为阈值，将预处理后的深度图像二值化，得到掩膜图像；

图像分割：将掩膜图像与配准后的二维图像做叠加运算，得到作物冠层图像；

图像优化：去除作物冠层图像中的背景噪声；

图像输出：输出优化处理后的作物冠层图像。

2.根据权利要求1所述的一种基于深度信息的作物冠层分割方法，其特征在于，对深度图像进行预处理，包括以下步骤：

根据预设的距离范围初步筛选出部分背景图像，得到初步筛选后的深度图像；

用3×3维纳滤波对初步筛选后的深度图像进行平滑处理，去除图像中的系统噪声；

利用双边滤波对平滑处理后的图像进行二次处理，修补空洞点和散点噪声。

3.根据权利要求2所述的一种基于深度信息的作物冠层分割方法，其特征在于，平滑处理过程采用的滤波算法包括中值滤波、均值滤波和维纳滤波。

4.根据权利要求1所述的一种基于深度信息的作物冠层分割方法，其特征在于，对摄像机进行标定采用张氏棋盘法，遵循的约束条件包括：

标定所用的棋盘尺寸大于或等于A3纸的尺寸；

棋盘平面与摄像头像平面之间的夹角小于45度；

用于标定的图片数量大于10张；

摄像头的分辨率，长宽比与深度图像的相同。

5.根据权利要求1所述的一种基于深度信息的作物冠层分割方法，其特征在于，图像优化过程具体包括以下步骤：

通过K-mean聚类算法提取作物冠层图像中的背景噪声；

用加运算方法去掉所述背景噪声。

6.根据权利要求5所述的一种基于深度信息的作物冠层分割方法，其特征在于，通过K-mean聚类算法提取作物冠层图像中的背景噪声，具体包括以下步骤：

(1)在二维像素数组中随机选取3个像素点作为聚类的起始点；

(2)将整幅图像的均值像素点作为聚类中心，根据步骤(1)中所得的起始点计算各个像素点与聚类中心的距离，通过欧式距离判断各点的相似性完成分类；

(3)从步骤(2)中得到分类后的像素点，重新计算各个类的均值，再重复上述操作三次；

(4)输出分类结果，结束聚类操作。

7.根据权利要求6所述的一种基于深度信息的作物冠层分割方法，其特征在于，通过欧式距离判断各点的相似性进行分类，分类后每个类具有如下特征：各类内组员之间的距离最大，且类与类之间的距离最小。