技术领域
[0001] 本
发明属于
图像处理技术领域,尤其涉及一种获取棉花叶片丛聚指数的数字图像方法及系统。
背景技术
[0002] 丛聚指数CI(Clumping Index),是一个重要的植被结构参数,表征冠层叶片的空间分布集聚特征,是对相对于随机分布的植被冠层叶片丛聚
水平进行量化的指标。当植被冠层叶片空间分布为随机分布时,CI为1;当冠层叶片是丛聚分布(非随机分布)时,CI小于1,且CI越小叶片越丛聚。
[0003] 目前获取丛聚指数(CI)主要有两种方法。一种方法是间接法,用半球摄影、TRAC等光学仪器,通过测量冠层孔隙度、孔隙大小分布来计算CI。另一种方法是半直接法,用破坏性取样方法测定LAI真实值(LAIt),用光学仪器测量有效叶面积指数(LAIe),进而计算出CI。
[0004] 棉花是我国重要的经济作物,叶面积指数(LAI)是描述棉花冠层结构和功能、评价棉花长势的重要参数。利用基于冠层孔隙度模型的各种商业仪器间接、非
接触性测量叶面积指数是目前普遍采用的快速、有效的方法。此类间接方法假设冠层叶片的空间分布符合泊松模型,即假设冠层叶片大小均一且在空间上随机排列分布,但实际上冠层叶片几乎不可能随机分布,而是存在不同程度的丛聚状况,是此类仪器获取的LAI(有效叶面积指数,LAIe)与LAI真实值(LAIt)相比存在偏差的主要因素之一。
[0005] 有学者提出用丛聚指数(CI)校正有效叶面积指数(LAIe)以获得LAI真实值(LAIt),即LAIt=LAIe/CI。因此,研发一种方便、可靠、快速获取冠层叶片丛聚指数的方法对准确获取棉花叶面积指数和指导棉花田间管理工作是十分必要的。
[0007] 现有技术的破坏性取样方法费工费时且影响田间冠层结构,不适于实时、连续、大量、快速测定。光学仪器方法需要使用价格相对昂贵的专业仪器,测量成本相对较高;此外,半球摄影方法对摄影时的曝光量比较敏感,如曝光过度会影响
图像识别精度。
[0008] 解决上述技术问题的难度:
[0009] 研究一种非破坏性、价格低廉、操作简便、快速准确的丛聚指数获取方法具有一定的难度。本发明提出的用普通
数码相机获取棉花冠层叶片丛聚指数的数字图像方法,具有图像获取的条件不严格、测量成本低、测定简便易行、数据可靠的优点。由于本方法基于数字图像处理技术提取的孔隙率,因此丛聚指数获取的准确性依赖于对棉花冠层图像中叶片和背景的分类精度,需要从优化图像处理
算法、获取清晰图像等方面给予技术保障。
[0010] 解决上述技术问题的意义:
[0011] 叶面积指数(LAI)是描述棉花生长发育状况、冠层结构和功能的关键指标。研发一种方便、可靠、快速获取冠层叶片丛聚指数的方法,校正商业仪器获取的有效叶面积指数,提高仪器测定叶面积指数的精度,对于准确评价棉花长势和指导棉花生产具有重要作用。
发明内容
[0012] 针对现有技术存在的问题,本发明提供了一种获取棉花叶片丛聚指数的数字图像方法及系统。
[0013] 本发明是这样实现的,一种获取棉花叶片丛聚指数的数字图像方法,包括以下步骤:
[0014] 第一步,将冠层图像等分成36个大小相同的小矩形区域,获取每个小矩形区域的孔隙率(P0);
[0015] 第二步,获取36个小矩形区域孔隙率的均值,再获取孔隙率该均值的自然对数值,得到
[0016] 第三步,分别获取每个小矩形区域孔隙率的自然对数值,再获取所有小矩形区域孔隙率的自然对数值的均值,得到
[0017] 第四步,根据丛聚指数 获取此冠层图像对应的棉花冠层叶片的丛聚指数。
[0018] 进一步,第一步计算36个小矩形区域孔隙率前需进行:
[0019] 使用普通数码相机拍摄棉花冠层图像后,进行:
[0020] 利用数字图像技术处理将一幅冠层图像等分成6×6个大小相同的小矩形区域,统计各小矩形区域的总
像素数,并提取每个像素的R、G、B值;像素的R、G、B值能同时满足R<B×2.7、G>R+5.2、B<G-5.5三个条件时,此像素被分类识别为冠层叶片,不满足上述条件的则被分类为背景,并统计各小矩形区域的
背景像素数。
[0021] 再用各小矩形区域的背景像素数占总像素数的比例计算每个小矩形区域的孔隙率(P0)。
[0022] 本发明的另一目的在于提供一种
计算机程序产品,用于实现任意一项所述获取棉花叶片丛聚指数的数字图像方法。
[0023] 本发明的另一目的在于提供一种实现所述获取棉花叶片丛聚指数的数字图像方法的信息
数据处理终端。
[0024] 本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的获取棉花叶片丛聚指数的数字图像方法。
[0025] 本发明的另一目的在于提供一种实现所述获取棉花叶片丛聚指数的数字图像方法的获取棉花叶片丛聚指数的数字图像处理系统。
[0026] 综上所述,本发明的优点及积极效果为:
[0027] 本发明的棉花叶片从聚指数的数字图像获取方法成本低廉、简便易行、快速准确,工作效率高,实用性强;
[0028] 本发明的棉花叶片从聚指数的数字图像获取方法图像获取条件局限性小,适用于量化不同棉花品种、不同
种植模式、不同生育时期的冠层叶片的从聚特征,识别精度高。
附图说明
[0029] 图1是本发明
实施例提供的获取棉花叶片丛聚指数的数字图像方法的
流程图。
[0030] 图2是本发明实施例提供的验证本方法的可靠性和准确性,用线性拟合的方法,分析现有技术获取的CIcalibration与本发明获取的CIimage之间的关系图。
具体实施方式
[0031] 为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
[0032] 现有技术获取丛聚指数(CI)的一种方法是用商业仪器测量有效叶面积指数(LAIe),用破坏性取样的方法测定LAI真实值(LAIt),进而计算出CI;另一种方法是用TRAC仪器、半球摄影,测量冠层孔隙度及孔隙大小分布以计算CI。上述方法需要使用价格相对昂贵的专业仪器,测量成本高;破坏性取样方法费工费时,不适于连续、大量测定。
[0033] 针对现有技术存在的问题,本发明提供了一种获取棉花叶片丛聚指数的数字图像方法及系统,下面结合附图对本发明作详细的描述。
[0034] 如图1所示,本发明实施例提供的获取棉花叶片丛聚指数的数字图像方法包括:
[0035] S101,在无
风或风速较小的光照充足的天气条件下,使用普通数码相机拍摄棉花冠层图像,拍摄时要求镜头光轴线垂直于冠层平面,镜头距冠层约1.6m,以确保拍摄的冠层图像具有空间代表性。
[0036] S102,利用数字图像技术处理将一幅冠层图像等分成6×6个大小相同的小矩形区域,统计各小矩形区域的总像素数,并提取每个像素的R、G、B值。如果一个像素的R、G、B值能同时满足R<B×2.7、G>R+5.2、B<G-5.5三个条件时,此像素被分类识别为冠层叶片,不满足上述条件的则被分类为背景,并统计各小矩形区域的背景像素数。之后,用各小矩形区域的背景像素数占总像素数的比例计算每个小矩形区域的孔隙率(P0)。
[0037] S103,棉花冠层图像的丛聚指数(CI)的获取。其一,计算36个小矩形区域孔隙率的均值,之后计算ln(36个小矩形区域孔隙率的均值);其二,先计算每个小矩形区域的ln(小矩形区域孔隙率),之后计算ln(小矩形区域孔隙率)的均值;最后,根据丛聚指数公式计算出此图像对应的棉花冠层叶片的丛聚指数。
[0038] 步骤S103中,计算ln(36个小矩形区域孔隙率的均值),即 计算ln(小矩形区域孔隙率)的均值,即 根据丛聚指数 计算出此图像对应的棉花冠层叶片的丛聚指数。
[0039] 下面结合具体试验对本发明作一步描述。
[0040] 本发明实施例基于不同生育期、不同种植模式的棉花试验田。试验地点在新疆农垦科学院棉花研究所试验地(85 59′E,44 18′N),供试品种为北疆主栽的新陆早45号;种植模式包括常规模式(10cm株距,66cm+10cm宽窄行,种植
密度26.3万株hm-2)、等行距密植模式(6cm株距,76cm等行距,种植密度21.9万株hm-2)和等行距稀植模式(10cm株距,76cm等行距,种植密度13.2万株hm-2)3种模式。在关键生育时期使用LAI-2200冠层分析仪、普通数码相机采集棉花冠层结构信息之后破坏性取样测定LAI,测定日期为2016年的6月19日(蕾期)、7月11日(盛花期)、7月25日(盛铃前期)和8月18日(盛铃后期)。
[0041] 本发明的试验数据获取的时序性、系统性强。由于棉花具有可塑性强、补偿能
力强的特性,因此本发明的试验通过调整株行距配置和种植密度可以调控群体大小和个体空间分布,即可以影响冠层叶片的丛聚特征,从而为本发明提供丰富的样本数据,能够有效地验证本发明在获取棉花冠层叶片丛聚指数的准确性和适应性。
[0042] 试验步骤:
[0043] (1)棉花冠层
图像采集。在无风或风速较小的光照充足的天气条件下,使用普通数码相机拍摄棉花冠层图像,拍摄时要求镜头光轴线垂直于冠层平面,镜头距冠层约1.6m,以JPEG格式存储。
[0044] (2)LAI-2200冠层分析仪测定。在图像采集当天的傍晚(北京时间20﹕30—22﹕00)使用LAI-2200冠层分析仪获取有效LAI(LAIe)。测量时,操作员用背挡住太阳,用270°的视
角盖挡住操作员和太阳,调整
传感器至水平。
[0045] (3)破坏性取样测定。在完成上述测定内容之后立即在每个样点取3株代表性植株,将叶片分离后无重叠的平铺在标有刻度的白纸上,用数码相机垂直拍照后用数字图像处理方法计算叶片面积,计算LAI真实值(LAIt)。
[0046] 综上,其一,本发明利用数字图像技术处理试验中采集的棉花冠层图像,获取棉花叶片丛聚指数CIimage。其二,依据现有技术中的CI=LAIe/LAIt公式,用LAI-2200冠层分析仪获取的LAIe和破坏性取样方法测定的LAIt计算基于现有技术的CIcalibration。
[0047] 为验证本方法的可靠性和准确性,用线性拟合的方法,分析现有技术获取的CIcalibration与本发明获取的CIimage之间的关系,由图2可见二者关系密切,决定系数为0.9104,说明本方法获取的CIimage能准确地度量棉花冠层丛聚状况。
[0048] 以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何
修改、等同替换和改进等,均应包含在本发明的保护范围之内。