一種玉米雄穗性狀的自動(dòng)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計(jì)算機(jī)視覺(jué)和農(nóng)業(yè)氣象觀測(cè)交叉領(lǐng)域，更具體地，涉及一種玉米雄穗 性狀的自動(dòng)檢測(cè)方法，即以拍攝的田間玉米下視圖像序列為對(duì)象，獲取玉米雄穗在圖像中 的性狀特征的方法。
【背景技術(shù)】
[0002] 玉米作為世界三大糧食作物之一，在我國(guó)各地都有廣泛種植。對(duì)玉米的各種性狀 進(jìn)行分析與研宄，可以輔助建立其性狀與產(chǎn)量之間的關(guān)系從而獲取更大的收益，同時(shí)也可 以為玉米基因?qū)W與遺傳學(xué)的研宄提供依據(jù)。然而長(zhǎng)期以來(lái)，對(duì)于玉米各種性狀的檢測(cè)主要 是通過(guò)手工檢測(cè)的方式，容易受主觀因素影響且效率低下；同時(shí)觀測(cè)過(guò)程中難免會(huì)對(duì)玉米 的生長(zhǎng)環(huán)境造成破壞；且由于玉米種植地域廣，往往只能使用抽樣平均的檢測(cè)方法，不具有 代表性。而通過(guò)拍攝的玉米下視序列圖像，輔助計(jì)算機(jī)視覺(jué)的技術(shù)，為玉米性狀的檢測(cè)提供 了一種新的客觀的、無(wú)損的、精細(xì)化的方法。玉米的雄穗是玉米育種與種子生產(chǎn)過(guò)程中被廣 泛研宄的重要農(nóng)藝性狀，其相關(guān)性狀的檢測(cè)對(duì)玉米的生殖生長(zhǎng)研宄、玉米基因?qū)W與遺傳學(xué) 研宄以及產(chǎn)量估計(jì)等具有重大的意義，屬于農(nóng)業(yè)氣象觀測(cè)的一個(gè)重要內(nèi)容。
[0003] 2011年唐文冰等在《中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集》上發(fā)表的論 文"基于雙目立體視覺(jué)的玉米雄穗識(shí)別與定位研宄"中利用圖像分割技術(shù)對(duì)玉米雄穗的 定位與檢測(cè)展開(kāi)了相關(guān)研宄，但該論文的方法僅考慮了顏色特征，適用于特定光照與簡(jiǎn) 單背景下的小范圍檢測(cè)，對(duì)自然光照與大田環(huán)境下的檢測(cè)魯棒性不好，且該方法未獲取 雄糖的精細(xì)化性狀特征；2013年Mengni Ye等人在《Eighth International Symposium on Multispectral Image Processing and Pattern Recognition》上發(fā)表的論文"An image-based approach for automatic detecting tasseling stage of maize using spatio-temporal saliency"中采用了 HOG-SVM的目標(biāo)檢測(cè)框架并加入了時(shí)空的線索對(duì) 玉米雄穗進(jìn)行檢測(cè)，隨后根據(jù)檢測(cè)結(jié)果預(yù)測(cè)玉米抽穗期的到達(dá)時(shí)間，論文的不足之處在于 只考慮了灰度圖像的梯度特征信息，對(duì)于復(fù)雜背景的適應(yīng)性不好，并且沒(méi)有對(duì)雄穗進(jìn)行分 害!|，獲取雄穗進(jìn)行更加精細(xì)化的描述；2014年FerhatKurtu丨mu§等人在《Expert Systems with Applications》上發(fā)表的論文"Detecting corn tassels using computer vision and support vector machines"中介紹了一種較魯棒的玉米雄穗檢測(cè)方法，相比上一篇論 文，其考慮了更加魯棒的形狀與紋理特征，但本質(zhì)上仍是基于顏色的圖像分割，不適用于光 照變化較大的序列圖像，且沒(méi)有將圖像檢測(cè)結(jié)果映射到具有物理含義的生物性狀上；綜上 所述，盡管當(dāng)前已有許多與玉米雄穗相關(guān)的檢測(cè)技術(shù)，但由于各種方法或策略的局限性，很 難在實(shí)際大田環(huán)境下進(jìn)行應(yīng)用，且這些方法都未建立從圖像特征到實(shí)際具有物理含義的生 物量的映射關(guān)系。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種玉米雄穗性狀的自動(dòng)檢測(cè)方法，利用自然場(chǎng)景下玉米 的下視序列圖像，建立從圖像特征到實(shí)際生物量的映射關(guān)系，提供一種包括玉米雄穗的長(zhǎng) 度、寬度、分枝數(shù)、周長(zhǎng)、直徑、顏色及總穗數(shù)在內(nèi)的七種農(nóng)藝學(xué)和形態(tài)學(xué)性狀的自動(dòng)測(cè)量方 式。
[0005] -種玉米雄穗性狀的自動(dòng)檢測(cè)方法，主要包括雄穗的目標(biāo)性檢測(cè)、目標(biāo)檢測(cè)、語(yǔ)義 分割以及性狀特征映射四個(gè)部分，順序包括：
[0006] (1)目標(biāo)性檢測(cè)步驟，檢測(cè)雄穗潛在區(qū)域，包括如下子步驟：
[0007] (1. 1)顯著性顏色空間轉(zhuǎn)換：對(duì)待測(cè)玉米圖像I (R，G，B)進(jìn)行顯著性顏色空間轉(zhuǎn)換 得到I (S，L，C)，顯著性圖像的轉(zhuǎn)換公式為：
[0008] I (S, L, C) = U ? max (0, W ? I (R, G, B) +b)
[0009] 其中，U，W和b均由歷史樣本圖像通過(guò)訓(xùn)練學(xué)習(xí)得到；
[0010] (1.2)閾值分割：以閾值!\對(duì)3分量通道的圖像進(jìn)行二值化操作，獲取二值圖像 BW ：
[0011]
【主權(quán)項(xiàng)】
1. 一種玉米雄穗性狀的自動(dòng)檢測(cè)方法，其特征在于，所述方法包括如下步驟： (1) 目標(biāo)性檢測(cè)步驟，檢測(cè)雄穗潛在區(qū)域，包括如下子步驟： (1. 1)顯著性顏色空間轉(zhuǎn)換，對(duì)待測(cè)玉米圖像I(R，G，B)進(jìn)行顯著性顏色空間轉(zhuǎn)換得到I(S，L，C)，顯著性圖像的轉(zhuǎn)換公式為： I (S, L, C) = U ? max (0, W ? I (R, G, B) +b) 其中，U，W和b均由歷史樣本圖像通過(guò)訓(xùn)練學(xué)習(xí)得到； (1. 2)閾值分割，以閾值1\對(duì)S分量通道的圖像進(jìn)行二值化操作，獲取二值圖像BW:
(1.3)自適應(yīng)濾波，對(duì)二值圖像BW進(jìn)行濾波操作以抑制閾值分割引入的噪聲影響； (1. 4)歐式距離變換，對(duì)自適應(yīng)濾波后的圖像通過(guò)形態(tài)學(xué)膨脹操作來(lái)連接斷裂的區(qū)域， 形態(tài)學(xué)膨脹操作公式定義為：
其中，bw(x，y)表示距離變換后的二值圖像，f(x，y)表示前景區(qū)域，即像素值為255的 區(qū)域，b(x，y)表示背景區(qū)域，即像素值為0的區(qū)域，d(f(x，y)，b(x，y))表示背景點(diǎn)距離最近 的前景點(diǎn)的歐式距離； (1. 5)連通域提取，計(jì)算連通域外接矩形框得到n個(gè)雄穗的候選區(qū)域Proposal^ (i= 1，2,…，n); (2) 目標(biāo)檢測(cè)步驟，對(duì)候選框所限定的區(qū)域進(jìn)行確認(rèn)，識(shí)別出真正屬于雄穗的候選框， 包括如下子步驟： (2. 1)特征提取，對(duì)Proposali對(duì)應(yīng)的圖像矩形區(qū)域的每個(gè)顯著性顏色通道分別提取顏 色直方圖（ColorHistogram)表示的顏色特征、梯度方向直方圖（HistogramofOriented Gradients)表示的輪廓特征以及局部二值模式（LocalBinaryPattern)表示的紋理特 征； (2. 2)特征編碼，使用費(fèi)舍爾向量編碼（FisherVectorEncoding)方法對(duì)步驟（2. 1) 中提取的各類特征分別進(jìn)行特征編碼，獲得更強(qiáng)中層特征描述； (2. 3)檢測(cè)，將提取的特征送入支撐向量機(jī)（SupportVectorMachine)模型進(jìn)行檢測(cè)， 區(qū)分待檢測(cè)樣本屬于雄穗還是非雄穗，所述支撐向量機(jī)模型由歷史樣本圖像通過(guò)訓(xùn)練學(xué)習(xí) 得到； (3) 語(yǔ)義分割步驟，獲取被（2)標(biāo)記為雄穗的目標(biāo)框中的雄穗精細(xì)形態(tài)，包括如下子步 驟： (3. 1)特征提取，以像素點(diǎn)為單位，對(duì)標(biāo)記為雄穗的目標(biāo)框提取顏色特征（S，L，C)，局 部二值模式特征（LBP)以及位置特征（x，y); (3. 2)聚類，根據(jù)（3. 1)提取的特征，使用K均值算法對(duì)像素進(jìn)行聚類，獲得C個(gè)表示雄 穗可能的區(qū)域Region」（j= 1，2,…，C); (3. 3)池化，對(duì)每個(gè)Region』中的第一層特征進(jìn)行池化，得到區(qū)域的中層特征表達(dá)