一种玉米雄穗性状的自动检测方法

摘要

本发明公开了一种玉米雄穗性状的自动检测方法，该方法首先对所采集的田间玉米下视图像进行目标性检测，生成雄穗候选框以获得雄穗潜在区域，随后通过多视角图像特征以及费舍尔向量编码方法对雄穗进行特征描述以及目标检测，从而对雄穗所属区域进行确认，同时在检测结果的基础上利用语义分割进一步完成雄穗精细形态的分割，最后建立了图像特征与长度性状、宽度性状、周长性状、直径性状、穗色性状、分枝数性状以及总穗数性状七种具有物理意义的生物量之间的映射关系。本发明方法能实时地对玉米雄穗的生长状态进行连续监测，检测结果准确率高，对玉米的生殖生长研究、玉米基因学与遗传学研究以及产量估计都具有重要的意义。

主权项

一种玉米雄穗性状的自动检测方法，其特征在于，所述方法包括如下步骤：(1)目标性检测步骤，检测雄穗潜在区域，包括如下子步骤：(1.1)显著性颜色空间转换，对待测玉米图像I(R,G,B)进行显著性颜色空间转换得到I(S,L,C)，显著性图像的转换公式为：I(S,L,C)＝U·max(0,W·I(R,G,B)+b)其中，U,W和b均由历史样本图像通过训练学习得到；(1.2)阈值分割，以阈值T₁对S分量通道的图像进行二值化操作，获取二值图像BW：$\mathrm{BW}=\left\{\begin{array}{cc}0,& \begin{array}{cc}\mathrm{if}& S\le T_1\end{array}\\ 255,& \mathrm{otherwise}\end{array}\right.;$(1.3)自适应滤波，对二值图像BW进行滤波操作以抑制阈值分割引入的噪声影响；(1.4)欧式距离变换，对自适应滤波后的图像通过形态学膨胀操作来连接断裂的区域，形态学膨胀操作公式定义为：$\mathrm{bw}(x,y)=\left\{\begin{array}{cc}0,& \begin{array}{cc}\mathrm{if}& d(f(x,y),b(x,y))>T_2\end{array}\\ 255,& \mathrm{otherwise}\end{array}\right.$$d(f(x,y),b(x,y))=\sqrt{{(f(x,y)-b(x,y))}^2}$其中，bw(x,y)表示距离变换后的二值图像，f(x,y)表示前景区域，即像素值为255的区域，b(x,y)表示背景区域，即像素值为0的区域，d(f(x,y),b(x,y))表示背景点距离最近的前景点的欧式距离；(1.5)连通域提取，计算连通域外接矩形框得到n个雄穗的候选区域Proposal_i(i＝1,2,…,n)；(2)目标检测步骤，对候选框所限定的区域进行确认，识别出真正属于雄穗的候选框，包括如下子步骤：(2.1)特征提取，对Proposal_i对应的图像矩形区域的每个显著性颜色通道分别提取颜色直方图(Color Histogram)表示的颜色特征、梯度方向直方图(Histogram of Oriented Gradients)表示的轮廓特征以及局部二值模式(Local Binary Pattern)表示的纹理特征；(2.2)特征编码，使用费舍尔向量编码(Fisher Vector Encoding)方法对步骤(2.1)中提取的各类特征分别进行特征编码，获得更强中层特征描述；(2.3)检测，将提取的特征送入支撑向量机(Support Vector Machine)模型进行检测，区分待检测样本属于雄穗还是非雄穗，所述支撑向量机模型由历史样本图像通过训练学习得到；(3)语义分割步骤，获取被(2)标记为雄穗的目标框中的雄穗精细形态，包括如下子步骤：(3.1)特征提取，以像素点为单位，对标记为雄穗的目标框提取颜色特征(S,L,C)，局部二值模式特征(LBP)以及位置特征(x,y)；(3.2)聚类，根据(3.1)提取的特征，使用K均值算法对像素进行聚类，获得C个表示雄穗可能的区域Region_j(j＝1,2,…,C)；(3.3)池化，对每个Region_j中的第一层特征进行池化，得到区域的中层特征表达，以使不同大小的区域得到相同维度的特征；(3.4)语义标注，将(3.3)得到的特征向量送入到SVM分类模型中，为每个Region_j进行语义标注，最后得到雄穗的精细化分割结果TasselSegment_i，所述SVM分类模型也由历史样本图像通过训练学习得到；(4)性状特征映射步骤，根据(2)和(3)的识别结果计算雄穗的一系列性状特征，具体包括：(4.1)长度性状与宽度性状，根据分割结果TasselSegment_i计算其外接椭圆的长短轴像素数，用来表示雄穗的长度Length_i与宽度Width_i；(4.2)周长性状，对分割结果TasselSegment_i进行边缘提取，然后用边缘像素数表示雄穗的周长Perimeter_i；(4.3)直径性状，计算与TasselSegment_i具有相同像素面积的圆的等效直径表示雄穗的直径Diameter_i；(4.4)穗色性状，计算TasselSegment_i对应区域的RGB图像像素均值得到表示穗色的TasselColori；(4.5)分枝数性状，先对TasselSegment_i进行形态学细化操作提取骨架，然后提取骨架的末端点(End Points)，用末端点数表示雄穗的分枝数NumBranches_i；(4.6)总穗数性状，通过目标检测的结果，得到总穗数性状NumTassels。