[發(fā)明專利]基于K均值聚類和寬度突變算法的田間麥穗計數(shù)方法有效
| 申請?zhí)枺?/td> | 202010016353.6 | 申請日： | 2020-01-08 |
| 公開（公告）號： | CN111259925B | 公開（公告）日： | 2023-05-02 |
| 發(fā)明（設(shè)計）人： | 張東彥;汪志存;陳雨;梁棟;黃文江;杜世州;張秋思;谷春艷 | 申請（專利權(quán)）人： | 安徽大學(xué) |
| 主分類號： | G06V10/762 | 分類號： | G06V10/762;G06V10/764;G06V10/774;G06T7/11;G06T7/155;G06T7/187 |
| 代理公司： | 北京中濟(jì)緯天專利代理有限公司 11429 | 代理人： | 劉濤 |
| 地址： | 230000 安*** | 國省代碼： | 安徽;34 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 均值 寬度 突變 算法 田間 麥穗 計數(shù) 方法 | ||
1.一種基于K均值聚類和寬度突變算法的田間麥穗計數(shù)方法，其特征在于：包括如下步驟：
S1、采集麥穗原始圖像并對原始圖像進(jìn)行預(yù)處理；
S2、對預(yù)處理后的圖像依次進(jìn)行圖像變換、K均值聚類、形態(tài)學(xué)處理后得到麥穗粗分割圖；
S3、選擇隨機(jī)森林分類器，用滑窗法對訓(xùn)練集圖片滑窗取樣，進(jìn)一步對麥穗粗分割圖進(jìn)行細(xì)分割；
S4、根據(jù)每個連通域中的麥穗?yún)^(qū)域?qū)挾韧蛔兦闆r統(tǒng)計麥穗數(shù)量；
所述的步驟S1中，包括如下步驟：
S11、以黑布作為田間麥穗的背景，用高清相機(jī)拍攝麥穗原始RGB圖片；
S12、用矩形框裁剪出整個麥穗群體，去除多余的干擾背景；
S13、將裁剪后的圖片像素統(tǒng)一為M*M；
所述的步驟S2中，包括如下步驟：
S21、輸入裁剪后的RGB圖像，將其B分量替換成G分量，再用圖像增強(qiáng)得到新的RGG圖像；
S22、將RGB圖像轉(zhuǎn)換至HSI空間中得到Image1，將RGG圖像轉(zhuǎn)換至HSV空間中得到Image2；
S23、將Image1和Image2轉(zhuǎn)換至Lab空間后經(jīng)過K-means聚類處理后分別得到Image1'和Image2'；
S24、將Image1'和Image2'相減后得到Image3；
S25、將Image3與步驟S21中的RGB圖像相與后得到Image3'；
S26、對Image3'進(jìn)行形態(tài)學(xué)處理后得到麥穗粗分割圖；
所述的步驟S3中，包括如下步驟：
S31、用隨機(jī)森林算法對麥穗粗分割圖進(jìn)行分割得到麥穗二級細(xì)分割圖，其中選擇某一麥穗群體中的一個方位角對應(yīng)的圖片作為測試集，另外三個方位角對應(yīng)的圖片中隨機(jī)剪裁的區(qū)域作為訓(xùn)練集，訓(xùn)練集中麥穗?yún)^(qū)域樣本為10個、非麥穗?yún)^(qū)域樣本為15個；
S32、用隨機(jī)森林算法對麥穗二級細(xì)分割圖進(jìn)行分割得到麥穗三級細(xì)分割圖，其中選擇麥穗二級細(xì)分割圖為測試集，訓(xùn)練集與步驟S31中一致，訓(xùn)練集中麥穗?yún)^(qū)域樣本為10個、地面區(qū)域樣本為7個；
以上兩個步驟中，滑動窗口、特征選擇、分類器均相同。
2.如權(quán)利要求1所述的基于K均值聚類和寬度突變算法的田間麥穗計數(shù)方法，其特征在于：所述的步驟S26中，包括如下步驟：先對Image3'進(jìn)行腐蝕處理；然后進(jìn)行膨脹處理；最后標(biāo)記每個連通域，計算每個連通域的面積，剔除小于設(shè)定閾值的連通域即得到麥穗粗分割圖。
3.如權(quán)利要求1所述的基于K均值聚類和寬度突變算法的田間麥穗計數(shù)方法，其特征在于：所述的滑動窗口大小為8*8，特征選擇包括6個顏色特征、4個紋理特征、1個植被指數(shù)特征和7個形狀特征：對RGB和Lab顏色特征進(jìn)行卷積得到6個顏色特征：Conv2(R)、Conv2(G)、Conv2(B)、Conv2(L)、Conv2(a)和Conv2(b)，卷積核大小為2*2；由灰度共生矩陣GLCM產(chǎn)生4個紋理特征：對比度、一致性、能量和相關(guān)性；歸一化綠紅綠藍(lán)差異植被指數(shù)：，其中增強(qiáng)因子等于2；7個Hu不變矩作為形狀特征。
4.如權(quán)利要求1所述的基于K均值聚類和寬度突變算法的田間麥穗計數(shù)方法，其特征在于：所述的步驟S4中，包括如下步驟：
S41、劃分連通域，確定各個連通域的最小點坐標(biāo)、最大點坐標(biāo)和高度，計算各個連通域的傾斜角angle；
S42、選擇一個連通域，依據(jù)該連通域的angle將該連通域旋轉(zhuǎn)成水平；
S43、若該連通域的高度小于設(shè)定的高度閾值且寬度小于設(shè)定的寬度閾值thresh_weight時，判斷為非麥穗?yún)^(qū)域，舍棄該連通域，返回步驟S42選擇下一個連通域，否則執(zhí)行下一步；
S44、逐行掃描該連通域，計算i行和i+1行之間的寬度變化率rate，若rate大于設(shè)定值thresh_rate，把i行和i+1行最右邊的點標(biāo)記為寬度突變點，直至該連通域掃描完成；
S45、標(biāo)記該連通域左上角點為起始點、右下角點為終止點，去除距離過近的突變點；
S46、若標(biāo)記點只有起始點和終止點，則麥穗數(shù)加1；
S47、若標(biāo)記點有起始點、終止點以及突變點，則將所有標(biāo)記點連線，計算相鄰連線之間的斜率差值K，若Kthresh_k，則麥穗數(shù)加1，所有斜率差值K判斷完畢后返回步驟S42選擇下一個連通域，所有連通域處理完畢后輸出麥穗數(shù)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于安徽大學(xué)，未經(jīng)安徽大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202010016353.6/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
