[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

说明书

本发明公开了一种基于光谱与RGB‑D融合图像的小麦氮积累量预测方法，属于精准农业技术领域。该方法根据RGB图像与深度图像对应像素之间的相关性，提出RGB图像与深度图像的像素级融合算法；通过构建结合小麦冠层颜色与结构信息的特征参数，对单一光谱特征预测小麦叶层氮积累量(Leaf layer nitrogen accumulation，LNA)和地上部氮积累量(Shoot nitrogen accumulation，SNA)的模型进行补偿，建立基于多维特征的预测模型。克服了光谱技术在预测小麦氮积累量时忽视冠层结构各向异性特征，导致预测结果精度低、不稳定等弊端，冠层结构特征的加入对基于光谱预测氮积累量模型进行了有效补偿，预测模型具有更好的精度与稳定性。

技术领域

本发明涉及一种预测方法，尤其是一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法，属于精准农业技术领域。

背景技术

氮素是小麦生长发育所需的关键元素，对小麦的产量和品质的影响至关重要。快速有效地掌握小麦关键生育期的氮素营养指标状况，是实现肥料精准管理的前提。传统的氮素营养指标估算多采用化学分析的方法，费时费力，随着光谱分析技术和图像传感技术的不断发展，氮素营养指标无损检测技术的时效性越来越强、测试方法越来越简便。

光谱分析技术的基础主要是将作物冠层简单化、理想化视为各向同性、均匀的朗伯体，但已有的植被冠层与辐射相互作用机理的研究表明，把植被冠层视为朗伯体的假设与实际情况相差较大，忽略了冠层结构各向异性特征对于光谱的影响，检测结果不够稳定，且精度相对较差。

因此，有必要结合光谱特征和冠层结构特征对作物的氮素营养状况进行检测。目前，冠层结构特征的提取多依赖于数字图像处理技术，通过分析图像特征表达作物冠层的颜色与形态特征差异。由于只使用了可见光波段信息，图像的R、G、B值易受拍摄时光照条件的影响，并且二维数字图像难以反映作物冠层三维形态信息，因此基于二维数字图像构建氮素营养指标估算模型，准确度并不理想。

发明内容

本发明的目的在于针对上述现有技术存在的缺点，提出一种基于光谱与RGB-D融合图像的小麦氮积累量预测方法，通过融合RGB图像和深度图像，构建结合小麦冠层颜色与三维结构信息的特征参数，对单一光谱特征预测小麦氮积累量的模型进行补偿，有效提升模型的精度与稳定性。

为实现上述目的，本发明采取的技术方案是：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。

进一步的，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。