[发明专利]一种基于机器视觉的获取植被覆盖度和叶面积指数的方法

权利要求书

1.一种基于机器视觉的获取植被覆盖度和叶面积指数的方法，其特征在于，包括以下步骤：

S1，对CCD相机的图像几何参数进行标定后；通过CCD相机对植被进行拍照并获取不少于10张植被原始图像；

S2，将所有的植被原始图像转换为相对应的正下视图像或正射图像，获取训练样本集；

S3，建立多元混合高斯模型，获取多元混合高斯模型中的参数集；

S4，根据S3中的多元混合高斯模型，定义测度函数来表征给定像素点的分量与多元混合高斯模型中的参数集的相关分量期望的距离；

S5，根据测度函数，设定阈值；

S6，根据判别式，确定给定像素点为作物还是背景；

S7，根据给定像素点中作物像素点占总像素点的百分比确定植被覆盖度；

S8，根据S7中确定的植被覆盖度确定叶面积指数。

2.根据权利要求1所述的基于机器视觉的获取植被覆盖度和叶面积指数的方法，其特征在于，S1中对CCD相机进行几何参数标定的具体方法包括以下步骤：

S101，制作标定板；用打印机打印出相机标定用的黑白相间的棋盘格，每个棋盘格是边长为7.3cm的正方形，再将棋盘格贴在准备好的65.7cm×73cm的长方形木板上，木板厚度均匀且不大于3cm；

S102，拍摄图像；将标定板置于自动观测区域内地块中心和四个角落，每个位置拍摄一张图像，再将标定板放置在指定位置和高度，多角度拍摄二十张图像；

S103，计算CCD相机的内外参数：利用CCD相机拍摄的标定图像，自动检测并获取棋盘格角点的实际坐标和其在图像中的坐标，再根据式(1-1)单应性矩阵中向量正交和模相等的条件，求解出相机的内外参数(包括内参数矩阵以及每张图像的外参数矩阵)和畸变系数；

式中，为图像平面坐标，为物体坐标系中的坐标，s为任意比例因子，M为内参数矩阵，R为旋转矩阵，t为平移向量。

3.根据权利要求1所述的基于机器视觉的获取植被覆盖度和叶面积指数的方法，其特征在于，S2中将所有的植被原始图像转换为相对应的正下视图像或正射图像采用的方法为：

S201，利用S103中计算出来的相机畸变系数，对存在几何畸变的原始前下视作物图像进行几何校正处理；

S202，通过遥感图像处理中的重采样技术将经过几何校正处理的图像转换为正下视图像或正射图像。

4.根据权利要求1所述的基于机器视觉的获取植被覆盖度和叶面积指数的方法，其特征在于，S3中，通过以下三个公式，建立多元混合高斯模型，公式如下：

S3-1，定义

其中，ξ_i是训练样本集中的第i个数据点；

S3-2，定义p(k)＝π_k (1-3)

S3-3，定义公式如下：

其中，公式(1-3)和(1-4)中的参数集{π_k,μ_k,∑_k}分别表示第k个高斯分量中的先验概率、均值以及协方差矩阵；

通过公式(1-2)、(1-3)、(1-4)的定义，完成多元混合高斯模型的建立。

5.根据权利要求1所述的基于机器视觉的获取植被覆盖度和叶面积指数的方法，其特征在于，S4中，定义测度来表征给定像素点(i,j)的a分量与第k个高斯分量中a分量期望的距离；定义为给定像素点的b分量与b分量期望之间的距离；

定义的测度函数如下：

公式(1-5)和(1-6)中，ξ_a(i,j)，ξ_b(i,j)和I(i,j)分别表示给定像素(i,j)的a、b分量以及亮度值；和分别表示亮度I(i,j)下第k个高斯分量的a分量均值和标准差；和对应b分量的均值和标准差。

6.根据权利要求1所述的基于机器视觉的获取植被覆盖度和叶面积指数的方法，其特征在于，S5中，阈值的设定范围为[2.0,2.3]。