一种大尺度图像的目标对象图像提取方法及装置制造方法及图纸

本发明专利技术公开一种大尺度图像的目标对象图像提取方法及装置。其中，所述方法包括：获取包括目标对象图像的目标区域图像；将所述目标区域图像划分为预设种类的栅格；基于RGB颜色空间获得各个所述栅格的特征参数；根据各个所述栅格的特征参数从所述目标区域图像中提取所述目标对象图像。所述装置用于执行上述方法。本发明专利技术提供的大尺度图像的目标对象图像提取方法及装置，由于能够获取包括目标对象图像的目标区域图像，然后将目标区域图像划分为预设种类的栅格，再基于RGB颜色空间获得各个栅格的特征参数，并根据各个栅格的特征参数从目标区域图像中提取目标对象图像，直接筛选出有效的目标对象图像，提高了对目标对象图像的处理效率。 1

Object extraction method and device for large scale image object

The invention discloses a target image extraction method and device for large scale images. The method includes: obtaining the target area image including the target object image; dividing the target area image into a preset type grid; obtaining the characteristic parameters of each of the raster based on the RGB color space; extracting the target pair from the target area image according to the characteristic parameters of each of the grids. Image image. The device is used to perform the above method. The target object image extraction method and device of the large scale image provided by the present invention can obtain the target area image including the target object image, then divide the target area image into a preset type grid, and then obtain the characteristic parameters of the grid based on the RGB color space, and according to the characteristic parameters of each grid. The target image is extracted from the image of the target area, and the target image is directly selected to improve the processing efficiency of the object image. One

【技术实现步骤摘要】
一种大尺度图像的目标对象图像提取方法及装置
本专利技术涉及图像处理
，具体涉及一种大尺度图像的目标对象图像提取方法及装置。
技术介绍
精准农业是当今世界农业发展的的新潮流，而农田信息的获取是精准农业实施前提条件，图像采集是农田信息获取的重要手段之一。大面积农作物的图像对于精准农业具有重要的整体农田分析价值，但由于图像尺寸太大，对于这类图像的进行图像处理，很难快速获得农作物空间分布以及长势等关键信息。目前，常规的做法是先采集图像信息，然后再利用大型计算软件进行运算和特征识别，耗费时间较多，不适合农机具的在线作业。因此，如何提出一种图像处理方法，能够快速获取精准农业作业的关键信息，以提高对图像的处理效率成为业界亟待解决的重要课题。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种大尺度图像的目标对象图像提取方法及装置。一方面，本专利技术提出一种大尺度图像的目标对象图像提取方法，包括：获取包括目标对象图像的目标区域图像；将所述目标区域图像划分为预设种类的栅格；基于RGB颜色空间获得各个所述栅格的特征参数；根据各个所述栅格的特征参数从所述目标区域图像中提取所述目标对象图像。另一方面，本专利技术提供一种大尺度图像的目标对象图像提取装置，包括：获取单元，用于获取包括目标对象图像的目标区域图像；划分单元，用于将所述目标区域图像划分为预设种类的栅格；获得单元，用于基于RGB颜色空间获得各个所述栅格的特征参数；提取单元，用于根据各个所述栅格的特征参数从所述目标区域图像中提取所述目标对象图像。再一方面，本专利技术提供一种电子设备，包括：处理器、存储器和通信总线，其中：所述处理器和所述存储器通过所述通信总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述各实施例提供的大尺度图像的目标对象图像提取方法。又一方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上述各实施例提供的大尺度图像的目标对象图像提取方法。本专利技术提供的大尺度图像的目标对象图像提取方法及装置，由于能够获取包括目标对象图像的目标区域图像，然后将目标区域图像划分为预设种类的栅格，再基于RGB颜色空间获得各个栅格的特征参数，并根据各个栅格的特征参数从目标区域图像中提取目标对象图像，直接筛选出有效的目标对象图像，舍弃与目标对象图像无关的像素点，提高了对目标对象图像的处理效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一实施例大尺度图像的目标对象图像提取方法的流程示意图；图2为本专利技术另一实施例大尺度图像的目标对象图像提取方法的流程示意图；图3为本专利技术一实施例大尺度图像的目标对象图像提取装置的结构示意图；图4为本专利技术一实施例电子设备的实体结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术一实施例大尺度图像的目标对象图像提取方法的流程示意图，如图1所示，本专利技术提供的大尺度图像的目标对象图像提取方法包括：S101、获取包括目标对象图像的目标区域图像；具体地，大尺度图像的目标对象图像提取装置(以下简称图像提取装置)可以通过CCD摄像机获取目标区域图像，所述目标区域图像包括目标对象图像。其中，所述目标区域图像可以是包括农作物、杂草以及土壤的农田图像，所述目标对象图像可以是杂草图像或者农作物图像。S102、将所述目标区域图像划分为预设种类的栅格；具体地，为了加快对图像的处理速度，所述图像提取装置将所述目标区域图像划分为预设种类的栅格，所述预设种类根据实际经验进行设置，本专利技术实施例不做限定。S103、基于RGB颜色空间获得各个所述栅格的特征参数；具体地，所述图像提取装置在将所述目标区域图像划分为预设种类的栅格之后，可以基于RGB颜色空间获取各个所述栅格在所述RGB颜色空间的红色分量、绿色分量和蓝色分量，然后根据红色分量、绿色分量和蓝色分量中至少两个分量获得所述栅格的特征参数。其中，由于所述栅格覆盖多个所述目标区域图像的像素点，所述栅格在所述RGB颜色空间的红色分量可以根据所覆盖的多个像素点在所述RGB颜色空间的红色分量求平均值获得，同理可以获得所述栅格在所述RGB颜色空间的绿色分量和蓝色分量。例如，所述图像提取装置获取栅格A在所述RGB颜色空间的第一颜色分量为c1和第二颜色分量为c2，可以根据公式p＝(c1-c2)/(c1+c2)计算获得栅格A的特征参数p。其中，所述第一颜色分量为所述红色分量、所述绿色分量和所述蓝色分量中的一个，所述第二颜色分量为所述红色分量、所述绿色分量和所述蓝色分量中的一个，且所述第一颜色分量与所述第二颜色分量不同。所述图像提取装置获取栅格E在所述RGB颜色空间的红色分量为r、绿色分量为g和蓝色分量为b，第一颜色分量为c1，第二颜色分量为c2可以根据公式p＝(c1-c2)/(g+r+b)计算获得栅格E的特征参数p。其中，所述第一颜色分量为所述红色分量、所述绿色分量和所述蓝色分量中的一个，所述第二颜色分量为所述红色分量、所述绿色分量和所述蓝色分量中的一个，且所述第一颜色分量与所述第二颜色分量不同。S104、根据各个所述栅格的特征参数从所述目标区域图像中提取所述目标对象图像。具体地，所述图像提取装置在获得各个所述栅格的特征参数之后，根据各个所述栅格的特征参数判断各个所述栅格对应的图像是否属于所述目标对象图像，提取属于所述目标对象图像的所述栅格对应的图像，将不属于所述目标对象图像的所述栅格对应的图像丢弃，最终从所述目标区域图像中提取出所述目标对象图像。例如，所述图像提取装置在包括杂草图像的农田图像中提取出所述杂草图像，所述图像提取装置获得了所述农田图像中每个所述栅格的特征参数，分别判断各个所述栅格的特征参数是否在与所述杂草图像对应的预设范围内，如果所述栅格的特征参数在所述预设范围内，说明所述栅格对应的图像属于所述杂草图像，从所述目标区域图像中提取所述栅格对应的图像，如果所述栅格对应的特征参数不在所述预设范围内，说明所述栅格对应的图像不属于所述杂草图像，将所述栅格对应的图像丢弃。本专利技术提供的大尺度图像的目标对象图像提取方法及装置，由于能够获取包括目标对象图像的目标区域图像，然后将目标区域图像划分为预设种类的栅格，再基于RGB颜色空间获得各个栅格的特征参数，并根据各个栅格的特征参数从目标区域图像中提取目标对象图像，直接筛选出有效的目标对象图像，舍弃与目标对象图像无关的像素点，提高了对目标对象图像的处理效率。在上述各实施例的基础上，进一步地，所述基于RGB颜色空间获取各个所述栅格的特征参数包括：根据公式p＝(g-r)/(g+r)计算获得每个所述栅本文档来自技高网...

【技术保护点】
1.一种大尺度图像的目标对象图像提取方法，其特征在于，包括：

【技术特征摘要】
1.一种大尺度图像的目标对象图像提取方法，其特征在于，包括：获取包括目标对象图像的目标区域图像；将所述目标区域图像划分为预设种类的栅格；基于RGB颜色空间获得各个所述栅格的特征参数；根据各个所述栅格的特征参数从所述目标区域图像中提取所述目标对象图像。2.根据权利要求1所述的方法，其特征在于，所述基于RGB颜色空间获取各个所述栅格的特征参数包括：根据公式p＝(g-r)/(g+r)计算获得每个所述栅格的特征参数，其中，p表示所述栅格的特征参数，g表示所述栅格在所述RGB颜色空间的绿色分量，r表示所述栅格在所述RGB颜色空间的红色分量。3.根据权利要求1所述的方法，其特征在于，所述根据各个所述栅格的特征参数从所述目标区域图像中提取所述目标对象图像包括：若判断获知所述栅格的特征参数在预设范围内，则从所述目标区域图像中提取所述栅格对应的图像；其中，所述预设范围是根据所述目标对象图像预设的。4.根据权利要求1所述的方法，其特征在于，还包括：获取不同时期的所述目标区域图像；从不同时期的所述目标区域图像中分别提取多个不同的目标对象图像；对多个所述不同的目标对象图像分别进行图像分析。5.根据权利要求1至3所述的方法，其特征在于，所述目标对象图像包括杂草图像、黄豆图像、小麦图像或者玉米图像。6.一种大尺度图像的目标对象图像...

【专利技术属性】
技术研发人员：马伟，王秀，邹伟，蔡吉晨，
申请(专利权)人：北京农业智能装备技术研究中心，
类型：发明
国别省市：北京,11