[发明专利]一种农作物实景观测中图像数据质量控制方法及系统

说明书

本发明涉及一种农作物实景观测中图像数据质量控制方法及系统，其中，农作物实景观测中图像数据质量控制方法包括以下步骤：根据历史图像生成图像缺失灰色调的灰度值以及对应图像缺失灰色调的图像不完整率；根据灰度值识别出待检测图像的图像缺失量以及对应图像缺失量的图像缺失率；将图像缺失率与图像不完整率进行比较。在本发明的技术方案中，利用农作物图像的颜色特征参数，即历史图像缺失时的灰色调，从而识别并剔除待检测图像中的不完整图像，为后续计算农作物覆盖度和叶面积指数的计算提供完整图像，从而提高计算准确性。

技术领域

本发明涉及农业气象观测领域，尤其涉及一种农作物实景观测中图像数据质量控制方法和一种农作物实景观测中图像数据质量控制系统。

背景技术

农作物实景自动监测系统是借助机器学习、图像处理和无线多媒体网络技术和方法，利用CCD传感器、图像采集器和通讯装置，采集自然光照条件下农作物图像并传输至计算机终端，通过内置的图像识别算法提取图像特征参数，进而反演得到农作物生长特征信息。它具有24小时连续工作、时间分辨高、非接触、非破坏性等优点，是对传统农业气象观测的有益补充，在农业灾害监测领域有重要应用价值。农作物实景监测具有野外观测特质，不同天气条件下其探测资料的精度有差异。受雾霾、雨雪等气象环境因素影响，由于大气散射作用，作物图像对比度、颜色清晰度等特征改变，图像特征难以辨认，进而影响图像后期处理和作物长势的客观判断。因此，开展系统的质量控制是合理使用农作物实景自动监测系统探测资料的基础。

传统的质量控制主要是根据气象学、天气学、气候学原理以及气象要素的时空变化规律和各要素间相互规律为线索，分析观测资料是否合理。其方法包括：范围检查、极值检查、内部一致性检查、空间一致性检查、气象学公式检查、统计学检查、均一性检查。农作物实景自动监测系统探测资料主要包括农作物可视图像和农作物生长特征要素。这些要素不同于常规气象要素，传统的质量控制方法不能直接使用。目前国内外科学家研究重点主要集中在作物分割算法和图像特征提取算法等领域，针对作物图像以及基于图像识别的作物生长特征参数质量控制的研究很少。因此，亟需研制一套适用于农作物实景自动监测系统探测资料的质量控制方法及系统。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个目的在于提供一种农作物实景观测中图像数据质量控制方法，其能够通过对农作物图像进行质量控制，从而提高农作物覆盖度和叶面积指数的计算精度。

本发明的另一个目的在于提供一种农作物实景观测中图像数据质量控制系统，其能够为农作物覆盖度和叶面积指数质量控制提供清晰的图像几何参数，进而提高农作物覆盖度和叶面积指数的计算精度。

为实现上述目的，本发明第一方面的技术方案提供了一种农作物实景观测中图像数据质量控制方法，包括以下步骤：根据历史图像生成图像缺失灰色调的灰度值以及对应图像缺失灰色调的图像不完整率；根据灰度值识别出待检测图像的图像缺失量以及对应图像缺失量的图像缺失率；将图像缺失率与图像不完整率进行比较；当图像缺失率大于或等于最小图像不完整率时，待检测图像为不完整图像；当图像缺失率小于最小图像不完整率时，待检测图像为完整图像。

在该技术方案中，利用农作物图像的颜色特征参数，即历史图像缺失时的灰色调，从而识别并剔除待检测图像中的不完整图像，为后续计算农作物覆盖度和叶面积指数的计算提供完整图像，从而提高计算准确性。

在上述技术方案中，优选地，图像缺失灰色调的灰度值为R、G、B值均为128。

在该技术方案中，通过通讯传输或者CCD传感器拍摄的农作物图像，其采用RGB色彩模式，即使用RGB模型，为图像中每一个像素的RGB分量分配一个0-255范围内的强度值，通过分析试验中图像像素缺失时R、G、B值发现，当三者均等于128时即为农作物图像缺失时灰色调。