[发明专利]一种基于植被指数的实时图像叶片分割系统及其方法在审

专利信息
申请号: 202111477950.X 申请日: 2021-12-06
公开(公告)号: CN114170260A 公开(公告)日: 2022-03-11
发明(设计)人: 谢家兴;梁高天;陈裕锋;王卫星;孙道宗;高鹏;景庭威;王嘉鑫 申请(专利权)人: 华南农业大学
主分类号: G06T7/136 分类号: G06T7/136;G06T7/11;G06T1/60;G06T1/00
代理公司: 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 代理人: 符继超
地址: 510642 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 植被 指数 实时 图像 叶片 分割 系统 及其 方法
【说明书】:

发明公开了一种基于植被指数的实时图像叶片分割系统及其方法,该系统包括:内核控制模块、植被指数计算模块、VDMA模块和阈值分割模块;该方法包括:接收控制指令、视频流和放缩因子参数,根据控制指令结合放缩因子参数计算各个植被指数,将各个植被指数每三个分为一组,分别写入红色R、绿色G和蓝色B三个通道内,生成RGB彩色视频流作为植被指数图像输出;接收植被指数图像并根据控制指令实现植被指数图像的缓存;根据预设判决阈值将植被指数图像进行叶片分割。本发明提供了的该叶片分割系统及其方法,成本低效率高,毋须预先进行模型的训练,实用性强。

技术领域

本发明涉及图像分割技术领域,更具体的说是涉及一种基于植被指数的实时图像叶片分割系统及其方法。

背景技术

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程,它是由图像处理到图像分析的关键步骤。目前常用的图像分割方法包括阈值图像分割法、边缘分割法、聚类分割法等非神经网络方法,以及编解码法、多尺度信息整合法等神经网络方法。然而上述传统的解码法、多尺度信息整合法等均需要庞大的神经网络,需要大量的运算资源,并需要进行预训练,准备训练集以及人为标注数据的成本较高。

根据植被的光谱特性,将光谱波段进行组合从而形成植被指数,它是对地表植被状况的简单、有效的度量,广泛地应用在全球与区域土地覆盖、植被分类和环境变化。目前常用的植被指数需要由可见光波段以及近红外波段合成,为了得到近红外需要额外增加昂贵的近红外摄像机,因而导致成本增加。目前还没有利用可见光植被指数的植物叶片分割方法。

因此,如何提供一种成本低效率高的基于植被指数的实时图像叶片分割系统及其方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此,本发明提供了一种基于植被指数的实时图像叶片分割系统及其方法

为了实现上述目的,本发明采用如下技术方案:

一种基于植被指数的实时图像叶片分割系统,包括:内核控制模块、植被指数计算模块、VDMA模块和阈值分割模块;

所述内核控制模块,用于接收控制指令,并根据所述控制指令控制内核对其他模块进行控制;

所述植被指数计算模块与所述内核和所述VDMA模块均相连,用于接收视频流和放缩因子参数,根据所述放缩因子参数计算各个植被指数,将各个所述植被指数每三个分为一组,分别写入红色R、绿色G和蓝色B三个通道内,生成RGB彩色视频流作为植被指数图像输出;

所述VDMA模块与所述内核相连,用于接收所述植被指数图像并根据所述内核接收到的控制指令实现所述植被指数图像的缓存;

所述阈值分割模块与所述内核和所述植被指数计算模块均相连,根据预设判决阈值将所述植被指数图像进行叶片分割。

优选的,所述内核控制模块包括DDR3控制器、内存卡管理单元和串口单元;

所述DDR3控制器分别与DDR3运行内存相连,并通过所述VDMA模块与所述植被指数计算模块相连,用于接收所述植被指数图像,通过所述VDMA模块以直接内存访问的形式将所述植被指数图像实时缓存到所述DDR3运行内存上,并在缓存完成后通知所述内核缓存完毕;

所述内存卡管理单元分别与所述VDMA模块和所述内核相连,并与外部的内存卡相连,用于通过所述VDMA模块将所获取到的所述植被指数图像存入外部的内存卡中,并在保存完成后通知所述内核保存完毕;

所述串口单元,用于通过串口的方式实现所述内核与外部设备之间的通信,实现控制指令和放缩因子参数的接收。

优选的,所述植被指数计算模块包括扇出处理单元、植被指数计算器、扇入处理单元和多路选择器;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南农业大学,未经华南农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111477950.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top