一种烟田图像目标定位线的检测方法技术

本发明专利技术提供一种烟田图像目标定位线的检测方法，该方法利用设定区域内的像素累加方法，消除噪声对烟叶植株的影响，确定每一个烟叶植株列在每一水平线上的定位点；根据相邻水平扫描线上定位点的横坐标信息，构造模式特征向量聚类判别函数，将属于同一烟叶植株列的定位点归属到同一个数据类中，最后确定各条定位线的方位，该方法逻辑清晰，计算量较小，节省了大量了时间和人力物力。

【技术实现步骤摘要】

本专利技术涉及数字图像处理领域，更具体地，涉及一种烟田图像目标定位线的检测 方法。
技术介绍
目前的烟田的烟叶定位检测方法主要有Rough Transform (HT)和投影法。HT法受 噪声的影响很小，因此具有比较高的鲁棒性。但是由于该方法运用统计学来进行大量的数 学计算，数据量很大，处理时间长，不适合现代化农业的实时性要求。投影法对作物的种植 要求比较高，如果作物行直线度不高，则检测效果很不理想。
技术实现思路
本专利技术提供一种快速的烟田图像目标定位线的检测方法。 为了达到上述技术目的，本专利技术的技术方案如下： -种烟田图像目标定位线的检测方法，包括以下步骤： Sl :将采集的烟田图像进行分割； S2:进行定位点的确定： S3 :利用确定的定位点划定定位线。 进一步地，其特征在于，所述步骤Sl的过程如下： 将采集的烟田图像转化为灰度图像，再将得到的灰度图线进行分割，包括以下步 骤： S21 :利用等距离方法来确定各个类的初始中心值： 式中C':是苐i类的初始中心值，G_、G_是灰度图像中像素的最大、最小灰度值， K是初始类总数，i = 1，2,…，K ; S22 :基予特征空间的欧氏距离将各个像素点分配到距离最近的类中： 式中D1, ,是第j个点与第i个类中心的距离，G ,是第j个点的灰度值，G;?是第i 个类第m次的中心值，m是循环次数，i = 1，2,…，K，j = 1，2,…，N，N是像素总数； S23 :根据各个类中像素的平均德计算类更新后的中心值： 式中N1是步骤S22后归入各个类的像素点总数，i = 1，2,…，K ; S24 :重复步骤S22、S23,计算类间距离M，直到M满足设定的距离阈值： 式中C：是第i个类当前的中心值，CT1是第i个类前一个中心值； S25 :确定分割阈值，将灰度图像转化为二值图像： 式中T是灰度图像分割最优阈值。 进一步地，所述步骤S2的过程如下： S31 :设定一个1像素 Xn像素的区域，对得到二值图像从下到上、从左到右逐像 素地移动该区域对二值图像进行扫描，生成以该区域中心的X为横坐标、y为纵坐标的曲线 s (X)，分别计算s (X)的平均值A和标准偏差D : 式中ω是扫描宽度； S32 :令水平线y 以上的S(X)部分为定位区域，以化和X1^1代表第1个目 -JL- 标区域的左右端点，&和Xm代表第η个定位区域的左右端点，各个定位区域左右端点的中 点BI、别代表定位点。 进一步地，所述步骤S3的过程如下： S41 :令数组AJP A p是分别保存1像素 Xn像素区域当前扫描线和前一扫描线上 定位点的横坐标值，将Ap的坐标值从小到大排序； S42 :计算当前扫描线上定位点之间的距离平均值A1和距离阈值A 2: A2=U-YbA1 式中η是当前扫描线上点位点的个数，&、\是当前扫描线上最初和最后定位点的 横坐标值； S43 :令点PUi, y;)是当前扫描线上点位点，点P' Uj,乃）、P"（x_j+1, yj+1)是当前扫 描线上左、右相邻的2个定位点，计算参数山、d2: 其中山、(12的取值包括以下4种情况： Dd1=O,表示P与P'位于同一垂直线，二者属于同一类；同样，若d2=0,则P与 P 〃位于同一垂直线，二者属于同一类； 2)山〈0并且d2>0,表示P在P'和P〃之间，P在P'和P〃之间还存在以下2种可 能：①I Cl1Kd2, P距P〃比较近，如果Id1I SA2，表明P与P'属于同一类；否则，表示出现了 新类，点P作为第1个定位点归属到新类中；②I Cl11 >d2, P距P"比较近，如果I d21彡A2，表 明P与P"属于同一类；否则，表示出现了新的类，点P作为第1个定位点归属到新类中； 3) P'是前一扫描线的第1个定位点，并且Cl1X),表示P位于前一扫描线所有定位点 的左侧，如果Id 1I <a2,P与前一扫描线最初定位点属于同一类；否则，表示出现了新的类， 点P作为第1个定位点归属到新类中； 4)P〃是前一扫描线上倒数第2个定位点，并且d2〈0,表示P位于前一扫描线所有 定位点的右侧，如果Id 2I < A2, P与前一扫描线上的最后定位点属于同一类；否则，表示出 现了新的类，点P作为第1个定位点归属到新类中； S44:当前扫描线上的定位点聚类完毕后，拷贝数组An到数组Ap中后进行下一行扫 描直至全部扫面完毕得到最终的定位线。 与现有技术相比，本专利技术技术方案的有益效果是： 本专利技术方法利用设定区域内的像素累加方法，消除噪声对烟叶植株的影响，确定 每一个烟叶植株列在每一水平线上的定位点；根据相邻水平扫描线上定位点的横坐标信 息，构造模式特征向量聚类判别函数，将属于同一烟叶植株列的定位点归属到同一个数据 类中，最后确定各条定位线的方位，该方法逻辑清晰，计算量较小，节省了大量了时间和人 力物力。【附图说明】 图1为本专利技术方法的流程图； 图2为本专利技术方法的实验效果图。【具体实施方式】 附图仅用于示例性说明，不能理解为对本专利的限制； 为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品 的尺寸； 对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解 的。 下面结合附图和实施例对本专利技术的技术方案做进一步的说明。 实施例1 如图1所示，，包括以下步骤： Sl :将采集的烟田图像进行分割； S2:进行定位点的确定： S3 :利用确定的定位点划定定位线。 进一步地，其特征在于，所述步骤Sl的过程如下： 将采集的烟田图像转化为灰度图像，再将得到的灰度图线进行分割，包括以下步 骤： S21 :利用等距离方法来确定各个类的初始中心值： 式中是第i类的初始中心值，G_、G_是灰度图像中像素的最大、最小灰度值， K是初始类总数，i = 1，2,…，K ; S22 :基予特征空间的欧氏距离将各个像素点分配到距离最近的类中： 瓦甲D1,』是弟个总与第i个类中心的距离，G』是第j个点的灰度值，是第i 个类第m次的中心值，m是循环次数，i = 1，2,…，K，j = 1，2,…，N，N是像素总数； S23 :根据各个类中像素的平均德计算类更新后的中心值： 式中N1是步骤S22后归入各个类的像素点总数，i = 1，2,…，K ; S24 :重复步骤S22、S23,计算类间距离M，直到M满足设定的距离阈值： 式中?Η是第i个类当前的中心值，CT1是第i个类前一个中心值； S25 :确宙分割阖倌,将灰度图像转化为二值图像： XVT 1疋久/叉間条刀'割最优阈值。[007当前第1页1 2 本文档来自技高网...

【技术保护点】
一种烟田图像目标定位线的检测方法，其特征在于，包括以下步骤：S1：将采集的烟田图像进行分割；S2：进行定位点的确定：S3：利用确定的定位点划定定位线。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈泽鹏，
申请(专利权)人：中国烟草总公司广东省公司，
类型：发明
国别省市：广东;44