[发明专利]一种基于非局部自相似块的压缩采样植株重构方法

摘要

本发明公开了一种基于非局部自相似块的压缩采样植株重构方法。具体为：首先通过KinectV2.0传感器采集目标植株的彩色和深度图像，并利用深度数据进行预处理；再结合K‑means和Mean‑shift聚类算法提取目标植株的有效区域，去除背景中不必要的干扰物；其次考虑图像的非局部特性，采用加权lp范数最小化算法求解低秩优化问题，尽可能保留图像的轮廓等细节信息；最后采用Dog‑leg最小二乘算法取代最快下降法进行迭代优化。该项研究充分考虑图像的局部特性和结构化属性，为高精度实现图像采集和重构提供了新思路，也为促进农业信息化、智能化奠定了基础。

主权项

1.一种基于非局部自相似块的压缩采样植株重构方法，其特征在于，包括以下步骤：步骤1，对目标植株进行图像采集，选取Kinect传感器，结合自带的SDK和OpenCV库获取待测植株的彩色图像和深度图像；步骤2，利用Kinect传感器TOF获取空间深度数据信息原理，合理设置待测植株与传感器间的距离，实现目标植株与背景分离，程序设置距离内的区域像素值为1，距离外的区域像素值为0；步骤3：结合K‑means和Mean‑shift聚类算法提取目标植株的有效区域；步骤4：采用加权l_p范数最小化算法求解低秩优化问题；步骤5：采用Dog‑Leg最小二乘取代最快下降法进行迭代，对目标植株进行压缩重构。