[发明专利]一种基于视频图像的叶类蔬菜三维表型测量方法

权利要求书

1.一种基于视频图像的叶类蔬菜三维表型测量方法，其特征在于，包括以下步骤：

通过数据获取装置获取叶类蔬菜的视频图像数据；

对视频图像数据进行去除模糊图像处理，并使用基于植被指数和尺度不变特征变换匹配方法，获取视频图像数据中包含叶类蔬菜区域的关键帧；

将关键帧图像重建为三维点云模型，通过三维点云模型进行三维空间的后处理，得到后处理点云模型；

对后处理点云模型提取点云骨架并进行点云分割，进而对叶类蔬菜表型参数进行计算，得到叶类蔬菜三维表型测量结果。

2.根据权利要求1所述的一种基于视频图像的叶类蔬菜三维表型测量方法，其特征在于，所述通过数据获取装置获取叶类蔬菜的视频图像数据，具体为：通过数据获取装置以不同的角度环绕叶类蔬菜进行拍摄视频，获取叶类蔬菜的视频图像数据。

3.根据权利要求1所述的一种基于视频图像的叶类蔬菜三维表型测量方法，其特征在于，所述对视频图像数据进行去除模糊图像处理，并使用基于植被指数和尺度不变特征变换匹配方法，获取视频图像数据中包含叶类蔬菜区域的关键帧，具体为：

S201、将视频图像数据解码为单帧图像进行保存，对保存的每一帧图像依次判断是否模糊，并将模糊的图像序号进行标记；

S202、对处理后未被标记模糊的单帧图像计算ExGR植被指数，得到叶类蔬菜显著图；

S203、对叶类蔬菜显著图依次进行分组并计算，获取视频图像数据中包含叶类蔬菜区域的关键帧。

4.根据权利要求3所述的一种基于视频图像的叶类蔬菜三维表型测量方法，其特征在于，所述步骤S203，具体为：

设定I表示视频内一帧图像，对于一个具有n帧图像的视频S＝{I_i,i＝1,2,3,...,n}，假设期望得到的关键帧的数量m，则将具有n帧视频S从第一帧开始按等间隔帧数划分为m个集合；

计算所有集合内的每个叶类蔬菜显著图的SIFT特征，以第1个集合的第1个显著图I′₁作为第1个关键帧，从第2个集合开始，将当前集合内的所有显著帧与前一个关键帧进行特征点匹配，将当前集合内最多匹配点的帧作为新的关键帧；重复当前步骤，直到计算完毕m个集合，得到m个关键帧，其计算公式为：

其中，{I'}_i表示一个包含多个显著图的集合，I_l'表示第i个集合{I'}_i内的每一帧图像，表示第i个显著图集合所得到的关键帧，表示I′_l与这两帧图像计算SIFT特征匹配得到的特征点个数；

将m个关键帧在原始视频中对应的帧作为原始视频的图像序列，用于重建叶类蔬菜的三维点云模型。

5.根据权利要求1所述的一种基于视频图像的叶类蔬菜三维表型测量方法，其特征在于，所述三维空间的后处理，包括滤波、平面拟合，简化。

6.根据权利要求5所述的一种基于视频图像的叶类蔬菜三维表型测量方法，其特征在于，所述将关键帧图像重建为三维点云模型，通过三维点云模型进行三维空间的后处理，得到后处理的点云模型，具体为：

S301、对关键帧图像首先使用SFM算法重建得到稀疏的三维点云模型，进一步使用MVS算法进行重建，得到稠密的三维点云模型；

S302、对三维点云模型进行三维空间的滤波处理，得到滤波三维点云模型；

S303、对滤波三维点云模型进行平面拟合，将在检测到的平面作为地面，将垂直于地面的方向定义为Z轴方向，同时将平面以下的点云全部删除，得到平面拟合三维点云模型；

S304、对平面拟合点云模型进行简化，降低每个样本点云数量，从而将降低后续步骤的计算量。