[发明专利]一种生菜多光谱图像前景分割方法

说明书

本发明涉及一种生菜多光谱图像前景分割方法，与现有技术相比解决了多镜头多光谱相机各通道之间存在偏差以及传统方法无法精确提取生菜前景区域的缺陷。本发明包括以下步骤：生菜多光谱图像的获取和预处理；行边缘提取操作；生菜多光谱图像的配准；图像分割模型的建立；图像分割模型的训练；待分割图像的获取和处理；待分割图像结果的获得。本发明能够对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割，其单张图像的配准时间为0.92s，配准精确度达到99％。

技术领域

本发明涉及多光谱图像处理技术领域，具体来说是一种生菜多光谱图像前景分割方法。

背景技术

现阶段随着传感器技术和图像分析技术的快速发展，在获取丰富数据的同时，可挖掘的图像信息也越来越丰富。拼接、配准、融合、语义分割和目标识别等技术是图像信息挖掘的基础。

多光谱图像能够获取丰富光谱信息，反映作物的生理生长信息，但由于多镜头多光谱相机各通道之间存在的偏差以及传统分割方法的不适用性，在图像分析处理过程中，往往会出现无法自动化分割或分割精度较低的情况。

同时，目前应用于农业领域的语义分割模型多因细粒度程度不够且分割精度无法满足需求而难以实现生菜多光谱图像精细化表型信息提取，特别是针对生菜多光谱图像的分割，传统的现有模型分割精度不高、均无法满足实际应用需要。

发明内容

本发明的目的是为了解决现有技术中多镜头多光谱相机各通道之间存在偏差以及传统方法无法精确提取生菜前景区域的缺陷，提供一种生菜多光谱图像前景分割方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种生菜多光谱图像前景分割方法，包括以下步骤：

11)生菜多光谱图像的获取和预处理：将图像采集高度设定为1.5m、图像采集装置移动速度设置为0.05m/s，利用多光谱相机拍摄生菜多光谱图像，剔除高重叠度图像后将图像尺寸从2064x1544像素缩放为512×512像素，形成原始图像数据集；

12)生菜多光谱图像的边缘提取：利用边缘提取算法对生菜多光谱图像进行边缘提取操作；

13)生菜多光谱图像的配准：利用相位相关算法对生菜多光谱图像进行配准处理；

14)图像分割模型的建立：利用U-net网络构建图像分割模型；

15)图像分割模型的训练：利用配准处理后的生菜多光谱图像对图像分割模型进行训练；

16)待分割图像的获取和处理：获取待配准图像并进行预处理，再进行边缘提取和配准处理；

17)待分割图像结果的获得：将配准处理后的待分割图像输入训练后的图像分割模型，对生菜多光谱图像进行前景分割。

所述生菜多光谱图像的边缘提取包括以下步骤：

21)使用5x5的高斯滤波器来平滑和去除噪声，其公式如下：

其中，σ为方差，k确定核矩阵的维数，i为x轴方向随机参数，j为y轴方向随机参数；

22)对平滑后的图像使用Sobel算子计算水平方向和竖直方向的一阶导数即图像梯度Gx和Gy，根据得到的这两幅梯度图Gx和Gy找到边界的梯度和方向，其公式如下：

其中，G为每一个点的梯度值，θ为每一个点的梯度方向；

23)使用非极大值抑制，即寻找像素点的局部最大值，将非极大值所对应的像素点的灰度值设置为0，来消除边缘检测带来的杂散响应；