[发明专利]分时重叠植株图像关键特征区域边缘路径获取方法

权利要求书

1.分时重叠植株图像关键特征区域边缘路径获取方法，其特征在于，包括：

步骤一、寻找夜间灰度图像的边缘；

步骤二、将所述边缘作为前置条件，自适应寻找日间彩色图像中的植株图像关键特征区域；

所述寻找夜间灰度图像的边缘，包括：

S11.对夜间红外补光拍摄的图像进行二值化处理，使所述图像呈现出明显的黑白效果，从而凸显出感兴趣区域的轮廓；

S12.将得到的二值化图像进行闭运算处理，填充图像的凹角；

S13.填充后在所述二值化图像中提取目标轮廓，得到多个区域的边缘；

得到多个区域的边缘实现方式为：定义一个向量，向量内每个元素保存了一组由连续的点构成的点的集合向量，每一组点集就是一个轮廓边缘；检索所有轮廓并取其中长度最大的边缘，即为植株图像关键特征区域初始边缘，获取的初始边缘记为集合C＝{p|p incontour of Binarized image}，p为(x，y)处的像素；

所述自适应寻找日间彩色图像中的植株图像关键特征区域，包括：

S21.建立权重图，计算日间彩色图像区域耗费值，从而提取所述日间彩色图像边界；

S22.基于所述权重图，去寻找初始点和自由点之间的路径；

选取初始s＝1，k＝2作为初始的索引，s为集合C中第s个元素，k为集合C中第k个元素，设初始路径计数器数列，如下：

c_n＝0，n＝1，2，3，4…

设初始最终路径点集合，如下：

S23.从二值化图像的边缘中选取一个点p_s作为种子点，记为

p_seed＝p_s，p_seed∈C

从p_seed的邻域内取一点p_k作为自由点，记为：

p_free＝p_k，p_free∈C∩N₄(p_seed)，p_s∈C，

其中，N₄(p_seed)为像素4临域；

S24.通过p_seed，p_free的坐标(x_seed，y_seed)，(x_free，y_free)在权重图上定位两个节点，即矩阵A中的点使用Djjkstra算法，得出p_seed至p_free对应的节点在权重图上的最短路径，此路径即为p_seed至p_free的感兴趣区域边界段，记为数列{a_n}；

S25.将索引k向前移动一位，即

k：＝k+1

S26.从集合C中取出第k个元素作为新的自由点，即

p_free＝p_k，p_free∈C∩N₄(p_seed)

同步骤S24，获取p_seed至新的p_free的路径，记为{b_n}；

S27.比较路径{a_n}和{b_n}，将路径上的点按位相与，则有数列{d_n}

d_n＝a_n∧b_n，n＝1，2，3，4…

此时，若在路径第n个点上a_n＝b_n，则有d_n＝1，否则为d_n＝0；

S28.将重合的路径点所对应的计数器加1，从第一个不重合点开始，后面的路径对应点计数器置0；即设g、h、m为数列的索引，如下

且

则有

c_h：＝c_h+1，c_m＝0 m≥g

其中，d_g、d_h为数列{d_n}中的元素，c_h、c_m为数列{c_n}中的元素；

S29.判断路径计数器数列{c_n}，将大于阈值N的路径设为冻结路径，并将所述冻结路径加入最终路径点集合，然后重新选取种子点；即设i、j、l为数列的索引，如下

则有

C_end：＝C_end∪{p|p is the term of n＝j in{b_n}}

其中，c_j，c_l为数列{c_n}中的元素；

此时最终路径点集C_end中包含了已冻结路径点；选取新的种子点为

p_seed＝p_i，p_seed∈C

将路径计数器数列{c_n}、路径数列{b_n}中对应的已冻结路径的数值丢弃，并将未冻结的数值重新排列至前方，即

c_n：＝c_n+i

b_n：＝b_n+i

S30.将索引k向前移动一位，并重设临时路径数列，即

k：＝k+1

{a_n}：＝{b_n}

判断寻路是否结束，若寻路继续，返回第S25步；若寻路结束，此时需要将路径数列{b_n}中剩余路径加入到最终边界点集C_end中，即

C_end：＝C_end∪{p|p is the term in{b_n}}

最终，点集C_end即为目标边界点集；

建立权重图，具体为：从一个像素点p到另外一个像素点q的局部代价l(p，q)公式如下：

I(p，q)＝ω_Z·f_Z(q)+ω_D·f_D(p，q)+ω_G·f_G(q)

其中ω_Z、ω_D、ω_G表示权值，f_z表示拉普拉斯过零点代价，采用拉普拉斯过零点特征是为了确保像素节点位于边缘点上；f_G是像素在x和y方向上的梯度，当有较大的梯度值时，说明图像存在边缘；f_D是梯度方向代价，当两个像素具有相似的梯度方向，但是该方向和它们之间的连接方向接近垂直时给予高代价；当两个像素具有相似的梯度方向且和它们之间的连接方向一致时，给予低代价；

将计算权重后的权重图记为矩阵A，

A_pq＝I(p，q)。