[发明专利]一种适用于不同光照、作物密度和生长背景的直线作物行提取方法

说明书

本发明提供了一种适用于不同光照、作物密度和生长背景的直线作物行提取方法，采集田间作物的RGB图像，并转换到Lab颜色空间，提取Lab颜色空间中的a、b通道，分别计算a、b通道的最佳分割阈值，获取二值图像；对截取的二值图像顶部图像带进行垂直投影，获取均值漂移的聚类窗口带宽；计算聚类窗口内的均值漂移向量，同时以窗口边缘为种子点利用区域生长对作物进行聚类，通过窗口移动和区域生长得到所有作物行；最后对每行作物的中心点进行拟合得到直线作物行。本发明适用不同光照条件、作物密度和生长背景的作物行提取，识别率高、运算速度快，为精准农业导航在复杂田间环境影响下的提取，提供了一种有效、抗干扰的方法。

技术领域

本发明涉及农业图像处理的相关领域，具体涉及一种适用于不同光照、作物密度和生长背景的直线作物行提取方法。

背景技术

随着精准农业和农业装备智能化的迅速发展，为了节约劳动力和提高效率，基于机器视觉的农机自动驾驶和辅助导航成为精准农业的研究热点。其中作物行中心线的提取是农机视觉导航的关键环节。

国内外相关学者对机器视觉下的作物行提取做了大量研究。如常用的Hough变换提取作物行，但其存在因求取累加器峰值导致过大计算量的问题，且易受杂草和作物边缘影响。最小二乘法也在作物行提取中被广泛采用，最小二乘法相比Hough变换实时性更好，但处理场景单一，算法的适应性和泛化性能较差。

在田间进行实际作物行提取时，田间光照、不同作物种植密度和作物生长背景等因素对作物行提取算法的鲁棒性提出了较为严格的要求，现有方法难以实现不同条件下作物行的准确提取。同时，为满足农机视觉导航实时性的要求，作物行提取算法的处理速度须够快。

发明内容

针对现有技术中存在不足，本发明提供了一种适用于不同光照、作物密度和生长背景的直线作物行提取方法，该方法鲁棒性较好，能够有效减小不同环境光照、作物生长密度、作物生长背景和杂草等因素的影响，实现不同条件下作物行的准确提取。

本发明是通过以下技术手段实现上述技术目的的。

一种适用于不同光照、作物密度和生长背景的直线作物行提取方法，将采集的田间作物的RGB图像转换到Lab颜色空间，提取Lab颜色空间中的a、b通道，计算a、b通道的最佳分割阈值，通过阈值分割获取二值图像；对截取的二值图像顶部图像带进行垂直投影，获取均值漂移的聚类窗口带宽；从二值图像顶部图像带中心点作为起始点，计算以窗口带宽为边长的正方形内所有样本点的漂移向量，中心点沿漂移向量移动；同时选取窗口边缘的目标样本点作为种子点，对窗口左右两侧进行扩张，当中心点漂移至图像底部时，一行作物标记完成，再进行下一行聚类，最终遍历整幅图像；由每行作物聚类过程中的中心点确定直线作物行。

进一步的优选方案，所述a、b通道的最佳分割阈值为：

其中：t_a表示a通道中的图像背景区域和目标区域的熵之和达到最大时的最佳分割阈值，t_b表示b通道中的图像背景区域和目标区域的熵之和达到最大时的最佳分割阈值，argmax为函数取最大值时对应的自变量取值，t为像素，目标区域的熵背景区域的熵目标区域在整张图片中所占比例为ω₀，背景区域在整张图片中所占比例为ω₁，p[i]是图像灰度值为i的概率，k为像素最大值。

进一步的优选方案，通过阈值分割获取二值图像后，还进行形态学操作，包括：滤除小面积连通区域，进行闭操作去除噪声点，再进行开操作填充孔洞。

进一步的优选方案，所述聚类窗口带宽为感兴趣区域中作物行间距的最小值。

进一步的优选方案，所述漂移向量为：

其中：M(x)为聚类窗口内样本点的漂移向量，p为聚类中心点，为核函数,S_d为窗口区域。