[发明专利]一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法

权利要求书

1.一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法，其特征在于包括以下步骤：

步骤1：在小麦拔节期、孕穗期与抽穗期分别获取冠层的光谱信息、RGB图像和深度图像，并利用敏感波段构建植被指数，提出空洞填充算法修复深度图像；

步骤2：将深度图像和RGB图像对齐后，结合RGB图像的颜色特征和修复后深度图像的高度特征，分割小麦冠层；

步骤3：利用IHS变换将RGB图像分别和深度信息、相位信息进行融合，得到不同空间模型下的小麦冠层图像；

步骤4：计算融合后小麦冠层图像的颜色共生矩阵，提取小麦的冠层结构特征；

步骤5：对小麦的冠层结构特征进行筛选，结合筛选后的结构特征和光谱特征对氮积累量进行预测。

2.根据权利要求1所述的一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法，其特征在于，所述步骤1中利用敏感波段构建植被指数，提出空洞填充算法修复深度图像，包括如下步骤：

步骤1-1：获取小麦冠层光谱信息，利用小麦氮素敏感波段构建植被指数，生成光谱特征；

步骤1-2：获取小麦冠层的深度图像，根据空洞产生的原因将图像中的空洞分类分析，利用类别特征进行空洞修复。

3.根据权利要求2所述的一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法，其特征在于，在深度图像修复时，将空洞出现的情况分为两类进行讨论，第一种为空洞出现在叶片内部，属于局部空洞，第二种是空洞出现在不同区域的交界处，属于大面积空洞；根据不同空洞类别的分析设计空洞填充算法，首先对作物行图像的深度信息进行列遍历，寻找所有空洞点或线的位置，计算该点或线前后非零深度信息的差值H，通过将H与人为设置的阈值T进行比较，对空洞的类型进行区分；当HT时，则为局部空洞，取空洞点或线前后的非零深度信息均值进行插值，当H≥T时，则为大面积空洞，取空洞点或线前后的非零深度信息分别拟合后插值。

4.根据权利要求1所述的一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法，其特征在于，所述步骤2中提出的分割小麦冠层方法，包括以下步骤：

步骤2-1：利用不同坐标系的转换方法，将深度图像的坐标系转换到世界坐标系，再转换到RGB图像坐标系，从而实现深度图像与RGB图像的对齐；

步骤2-2：将RGB模型转换至HSI模型，通过色调的定义去除土壤背景，降低光照变化对于作物行提取的影响。

5.根据权利要求1所述的一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法，其特征在于，所述步骤3中提出的图像融合方法，包括以下步骤：

步骤3-1：根据反平方定律，将深度信息(D)转换为相位信息(P)；

步骤3-2：利用IHS变换将深度信息和相位信息替换I通道的信息，得到融合后的HSP和HSD图像。

6.根据权利要求5所述的一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法，其特征在于，采用熵和交叉熵两种指标对融合图像的质量进行评价，在进行图像评价前将HSI空间的图像转换为RGB图像，并进行灰度化操作；图像的熵(E)用于衡量图像信息的丰富程度，熵越大，则表示图像的信息量越多，交叉熵(C)用于评价两幅图像的差异，交叉熵越小，说明融合图像与源图像的差异越小，则该融合方法从源图像中提取的信息量越多；熵和交叉熵其计算公式分别为：

其中，L表示图像灰度级别，即为256，p_i和q_i表示灰度值为i的像素占源图像和融合图像中总像素的比例。

7.根据权利要求1所述的一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法，其特征在于，所述步骤4中提出的冠层结构特征提取方法，包括以下步骤：

步骤4-1：分别计算HS通道、HP通道、HD通道、SD通道和SP通道的颜色共生矩阵；

步骤4-2：计算不同颜色共生矩阵下的纹理特征，包括：比度(CON)、角二阶矩(ASM)、相关系数(COR)、逆差矩(IDM)和熵(ENT)。