论文部分内容阅读
在精准农业中,结合高效的图像采集技术和高通量的计算机数字图像自动处理技术进行大田作物生长信息采集分析,对于指导区域农业管理和作物高产栽培技术具有重要意义。这一技术,不仅节省了大量的人力和财力,增加了工作效率,还极大提高了数据采集的精确性,具有广阔的应用前景。图像中作物器官的分割是进行计算机数字图像自动处理的关键步骤,直接决定着信息提取的准确性,是图像处理领域广泛关注的一大难点。油菜是一种重要的经济作物,油菜的开花期与适应性、产量和抗病性等特性密切相关,直接影响油菜产业的发展规划。为了建立一种基于图像采集和计算机数字图像自动处理技术的油菜花期信息高效采集平台,本文主要开展完成以下研究工作:(1)研究了基于颜色分割算法对大田油菜图像中油菜花的分割效果。本文利用绿色作物的颜色特征,将一幅RGB图进行分量提取,然后依据绿色作物超绿存在性原则对图像进行处理,再映射到三维空间。采用该方法不仅能够实现土壤作物分离,也能将植株与油菜花提取出来,分离速度较快。(2)模板匹配算法和K-means聚类算法相结合用于高效提取大田油菜图像中的油菜花。在聚类算法前引进了模板匹配算法,将模板匹配与K-means聚类算法相结合,模板匹配算法可有效将模板库中的油菜部分进行定位和初步提取,而K-means聚类算法则能够实现像素分类。该算法通过建立模板库采用模板匹配算法对待处理彩色图像进行匹配,实现所有油菜花区域定位,再将其转换至LAB颜色空间,利用K均值聚类算法对匹配后的油菜图像进行精确分类,最后对提取出的油菜花进行形态学处理,以实现大田油菜作物中油菜花的准确分割。通过对不同区域油菜图像处理实验结果表明,模板匹配与K-means聚类算法相结合的方法能够完整提取油菜花,有效避免光照影响。(3)建立一种基于图像采集和计算机数字图像自动处理技术的油菜花期信息高效采集平台。以40个油菜品种为样本,将上述两种图像处理技术采集的油菜花期信息与人工调查的真实数据进行拟合,选择最适的油菜花期信息采集技术,并通过数学模型构建一种油菜花期信息自动采集平台。