基于支持向量数据描述的田间玉米植株识别方法技术

本发明专利技术涉及一种基于支持向量数据描述的田间玉米植株识别方法，包括两个阶段：训练阶段，通过获取初期一天内的田间玉米图片，提取图片中玉米区域的图片特征，建立支持向量数据描述（SVDD）模型；分割阶段，包括：（1）待分割图像预处理：基于超绿特征提取图片中绿色区域；（2）分别计算各个区域的图片特征并带入SVDD模型进行分类选择玉米区域，去除杂草区域。本发明专利技术针对田间实际杂草种类繁多的特点，选用SVDD分类器进行玉米识别，能够实现田间玉米杂草的自动识别，使用图片特征包括植被指数特征和纹理特征，计算简单有效，且对不同年份的图片具有鲁棒性等优点。

【技术实现步骤摘要】
基于支持向量数据描述的田间玉米植株识别方法
本专利技术涉及一种田间拍摄图片的玉米植株自动获取方法，尤其是一种基于支持向量数据描述的田间玉米植株识别方法，基于支持向量数据描述的分割算法，用于将玉米植株从复杂背景中准确提取出来。
技术介绍
玉米是世界总产量最高的粮食作物和主要的畜牧业饲料来源，同时也是工业生产中的重要原料，随着计算机软硬件技术及数字图像处理技术的迅速发展，它在农业上的应用研究有了较大的进展。目前基于图像的机器视觉和图像分析技术已经在农业领域得到广泛的应用，它在特征的提取方面，尤其是在颜色、形状和纹理方面具有显著的优势。机器视觉技术包括图像获取、图像处理以及模式识别等，用机器视觉可模拟人眼对农作物进行可见光谱的近距离拍摄，然后运用数字图像处理等技术对获取的图像信息进行分析研究对象所需的信息。长期以来，田间观测主要通过人工进行的方式，这种方式不仅费时费力，且受到人主观因素的影响较大。因此借助图像处理的手段对田间玉米进行实时监控是十分必要的。杂草的适应性以及繁殖力都很强，它们会与农作物及土壤争夺养分、水分、阳光以及生长空间，妨碍作物通风、透气，影响土壤表层的温度，直接造成农作物的严重减产，更不利于土壤的可持续利用。可见，为了维持农作物的高产，去除杂草是十分必要的。智能除草在保护自然环境的同时，又不至于使农作物减产。也就是说，如果操作者知道哪些地方有杂草，哪些地方没有杂草，那么在喷洒药剂的时候就会对有杂草的地方喷洒除草剂，对没有杂草的地方不喷洒除草剂，这样既节省了成本，降低了投入，又减少了对农业生态环境的污染，有利于农业的可持续发展，这也是如今精准农业方面比较清晰的一个趋势。为了降低杂草危害程度，保护生态环境不受污染，提高产品的质量和产量，尽快实现杂草控制的自动化与科学化已成为一个很现实的课题。因此，智能除草的研制与应用，对促进我国农业现代化的发展有着十分重要的经济和环保意义。
技术实现思路
本专利技术的目的是克服现有技术中存在的不足，提供一种基于支持向量数据描述的田间玉米植株识别方法，能够实现田间拍摄图片中玉米植株的自动识别，算法计算简单，并具有较高的鲁棒性。按照本专利技术提供的技术方案，所述基于支持向量数据描述的田间玉米植株识别方法，其特征是，包括以下步骤：(1)训练阶段：采集不同时间段的玉米田间图片作为训练样本，提取玉米田间图片中的玉米植株区域，获取玉米植株区域的图片特征；计算原始图片特征对第一主成分的贡献率W，设定阈值，选择较大贡献率W所对应的特征作为最优特征，输出最优特征集合，建立SVDD模型；(2)分割阶段：首先将测试图片的背景区域去除，提取测试图片剩余连通区域的图片特征；将测试图片各个连通区提取的图片特征带入SVDD模型进行测试，确定玉米植株区域和非玉米区域。进一步的，所述步骤(1)中获取的玉米植株区域的图片特征包括图片连通区域的植被指数特征和纹理特征其中包含L个样本和Num个特征。进一步的，所述植被指数特征包括Rn、Gn、Bn、Gray、ExG、ExR、CIVE、ExGR、GB、ERI、EGI、EBI十二个植被指数特征；所述纹理特征包括四个方向上的对比度、相关性、能量和同质性纹理特征。进一步的，所述步骤(1)中训练样本选择玉米生长初期一天内不同时间段的图片。进一步的，所述步骤(1)和步骤(2)中使用超绿特征进行图片预处理，去除图片背景。进一步的，所述步骤(1)中建立SVDD模型时，使用主成份分析方法进行特征选择，计算每个玉米植株区域的图片特征、以及每个原始特征对第一主成分的贡献率W，阈值设定为0.2)。进一步的，所述步骤(2)的具体过程为：将测试图片去除背景区域，保留玉米植株连通区域；计算各个连通区域内每个像素点的植被指数特征集合，对相同区域内像素点特征进行求和取均值操作，得到连通区域的植被指数特征；将连通区域的植被指数特征和纹理特征代入步骤(1)得到的SVDD模型进行测试，确定玉米植株区域，对非玉米植株区域进行删除操作。本专利技术所述基于支持向量数据描述的田间玉米植株识别方法，主要利用了作物图像特征规律进行玉米植株识别，可以有效避免人工观测的误差等问题，同时针对实际环境中杂草种类繁多的特点，使用SVDD算法，最终能够准确地识别田间图片的玉米植株区域。该方法对于作物的自动化观测，田间杂草识别等领域具有重要的意义。附图说明图1为本专利技术所述田间玉米植株识别方法的整体流程图。图2为依据超绿特片进行图片预处理去除背景区域提取植株区域的示意图。图3-1～图3-3为不同时间下的训练样本图片。图4-1、图4-2为训练数据进行PCA后的得分图和载荷图。图5-1、图5-2为对测试图片进行粗分割以及最终决策后的结果图。具体实施方式下面结合具体附图对本专利技术作进一步说明。本专利技术所述基于支持向量数据描述的田间玉米植株识别方法，目的在于针对田间复杂环境下，在彩色图片中自动识别植株区域；如图1所示，具体包括以下步骤：(1)训练阶段：将图片采集系统放置在待识别玉米田间，对玉米生长初期一天内不同时间段的玉米田间图片进行搜集，作为玉米图片的历史数据，使用超绿特征(2G-R-B)进行图片预处理，提取玉米植株区域建立训练模型；如图2所示，去除背景区域，提取玉米植株区域建立训练模型的具体步骤如下：a、样本图像生成，选取一天内不同时间段图片若干幅(如图3-1、图3-2、图3-3所示)，选择197处玉米植株区域，提取玉米植株区域的图片特征，作为训练数据；所述图片特征包括Rn、Gn、Bn(Rn、Gn、Bn为归一化红绿蓝特征)、Gray(灰度特征)、ExG(超绿特征)、ExR(超红特征)、CIVE(植被颜色指数)、ExGR(超绿减红)、GB(绿减红)、ERI(过红特征)、EGI(过绿特征)、EBI(过蓝特征)十二个植被指数特征、四个方向上的对比度(0度、45度、90度和135度)、相关性、能量、同质性纹理特征；得到各个像素点L×Num的特征矩阵，该特征矩阵包含L个样本和Num个特征，可以表示为图片连通区域的植被指数特征和纹理特征其中纹理特征矩阵包含四个方向上的对比度、相关性、能量、同质性纹理特征；对各个区域的植被指数特征进行求和取均值操作；b、在步骤a生成训练数据后，使用主成份分析(PCA)方法进行特征选择，计算每个玉米植株区域的图片特征、以及每个原始特征对第一主成分的贡献率W，设定阈值(一般阈值设定为0.2)，选择贡献率W值较大的特征所对应的特征作为最优特征，输出最优特征集合，建立支持向量数据描述(SVDD)模型；如图4所示，其中发现玉米杂草可通过第一主成分进行分类；因此选取其中对第一主成分权重大的特征作为最优特征，进行SVDD建模，得到分类超球面的中心μ和半径R；(2)分割阶段：利用经步骤(1)训练生成的SVDD模型，将测试图片进行分割处理，提取各个区域的图片特征进行分类，最终留下玉米植株区域；具体操作步骤如下：a、玉米图像预处理步骤：先将待分割的彩色图像基于超绿特征进行预处理，去除背景区域，保留绿色连通区域，非植株区域置为黑色；b、玉米植株区域识别步骤：计算各个连通区域内每个像素点的植被指数特征集合，对相同区域内像素点特征进行求和取均值操作，得到连通区域的植被指数特征；将连通区域的植被指数特征和纹理特征代入步骤(1)得到的SVDD本文档来自技高网...

【技术保护点】
一种基于支持向量数据描述的田间玉米植株识别方法，其特征是，包括以下步骤：(1)训练阶段：采集不同时间段的玉米田间图片作为训练样本，提取玉米田间图片中的玉米植株区域，获取玉米植株区域的图片特征；计算原始图片特征对第一主成分的贡献率W，设定阈值，选择较大贡献率W所对应的特征作为最优特征，输出最优特征集合，建立SVDD模型；(2)分割阶段：首先将测试图片的背景区域去除，提取测试图片剩余连通区域的图片特征；将测试图片各个连通区提取的图片特征带入SVDD模型进行测试，确定玉米植株区域和非玉米区域。

【技术特征摘要】
1.一种基于支持向量数据描述的田间玉米植株识别方法，其特征是，包括以下步骤：(1)训练阶段：采集不同时间段的玉米田间图片作为训练样本，提取玉米田间图片中的玉米植株区域，获取玉米植株区域的图片特征；计算原始图片特征对第一主成分的贡献率W，设定阈值，选择较大贡献率W所对应的特征作为最优特征，输出最优特征集合，建立SVDD模型；(2)分割阶段：首先将测试图片的背景区域去除，提取测试图片剩余连通区域的图片特征；将测试图片各个连通区提取的图片特征带入SVDD模型进行测试，确定玉米植株区域和非玉米区域。2.如权利要求1所述的基于支持向量数据描述的田间玉米植株识别方法，其特征是：所述步骤(1)中获取的玉米植株区域的图片特征包括图片连通区域的植被指数特征和纹理特征其中包含L个样本和Num个特征。3.如权利要求2所述的基于支持向量数据描述的田间玉米植株识别方法，其特征是：所述植被指数特征包括Rn、Gn、Bn、Gray、ExG、ExR、CIVE、ExGR、GB、ERI、EGI、EBI十二个植被指数特征；所述纹理特征包括四个方向上的对比度、相关性...

【专利技术属性】
技术研发人员：朱启兵，郑阳，黄敏，郭亚，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32