[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

说明书

本发明公开了分时重叠植株图像关键特征区域边缘路径获取方法，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：对夜间红外补光拍摄的灰度图进行二值化处理；将得到的二值化图像进行闭运算处理；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。所述寻找彩色图像中的植株图像关键特征区域，包括：对彩色图片建立权重图；寻找初始点到自由点之间路径；冻结相似的路径。本发明可以有效的在日间植株图像中屏蔽无关背景，获取关键特征区域边缘路径，且与初始的二值化边缘相比，本方法获得的边缘与实际边缘更加贴近。

技术领域

本发明涉及智慧农业中数字图像处理技术领域，具体涉及分时重叠植株图像关键特征区域边缘路径获取方法。

背景技术

机器视觉是利用机器代替人眼来对目标物做模式识别、测量与判断等的一项综合技术。近些年来，随着图像处理、人工智能等技术不断发展，计算机视觉技术已广泛应用于植物的长势监控、病虫害防治、品质分析等各个方面。

在计算机视觉应用于植物生长的长势监控与建模过程中，首先需要将植物图像的感兴趣区域分割出来。在传统方法中，通常使用深度相机、激光相机等专业程度较高的相机，通过感知植物与相机间的距离，进而将植物的根茎叶等关键特征区域与无关背景分离。但该方式成本高、鲁棒性弱，适用面较窄，无法推广落地。

为了以低成本、宽适用面的方法获取植株图像关键特征区域，运用普通监控摄像头的特性获取植株的彩色与灰度的分时图片，即日间采集彩色图片，夜间采集红外补光下的灰度图片。由于日间图片受到杂光影响，且背景混乱，因此采用夜间红外补光拍摄的灰度图像计算感兴趣区域。灰度图二值化后，可以得出植株的选区，将选区作为感兴趣区域，并遮罩在相同角度下的日间彩色图片上，可以有效的屏蔽与背景无关的内容。

植株在大棚中易受风力扰动、植物生长等影响，采用夜间灰度图确定的目标区域与日间彩色图像区域不能完全吻合，需要进一步的调整选区。智能剪刀算法可以辅助用户选取所需的植物感兴趣区域，其先选择一个接近目标边缘的种子点，鼠标沿着物体边缘不断移动，使用该算法计算出一条”Live-Wire(火线)”，火线可自动贴合所需要边界。然而，由于必须用手移动鼠标才会获取到想要的轮廓，无法自适应的引入前置条件作为初始条件。

发明内容

针对现有技术存在上述问题，本发明目的是提供分时重叠植株图像关键特征区域边缘路径获取方法，其将夜间灰度图像作为前置条件，自适应寻找日间彩色图像中的植株图像关键特征区域。

为实现上述目的，本申请的技术方案为：分时重叠植株图像关键特征区域边缘路径获取方法，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。

进一步的，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(灰度图)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。

进一步的，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|pin contour of Binarized image}，p为(x，y)处的像素。

进一步的，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：