一种农作物实景观测中图像数据质量控制方法及系统技术方案

本发明专利技术涉及一种农作物实景观测中图像数据质量控制方法及系统，其中，农作物实景观测中图像数据质量控制方法包括以下步骤：根据历史图像生成图像缺失灰色调的灰度值以及对应图像缺失灰色调的图像不完整率；根据灰度值识别出待检测图像的图像缺失量以及对应图像缺失量的图像缺失率；将图像缺失率与图像不完整率进行比较。在本发明专利技术的技术方案中，利用农作物图像的颜色特征参数，即历史图像缺失时的灰色调，从而识别并剔除待检测图像中的不完整图像，为后续计算农作物覆盖度和叶面积指数的计算提供完整图像，从而提高计算准确性。

A Method and System for Quality Control of Image Data in Crop Landscape Measurement

The invention relates to a method and system for image data quality control in crop landscape measurement, in which the method for image data quality control in crop landscape measurement includes the following steps: generating gray value of image missing gray tone and image incompleteness rate of corresponding image missing gray tone according to historical image; identifying image missing amount of image to be detected according to gray value; and The image missing rate corresponding to the image missing quantity is compared with the image incompleteness rate. In the technical scheme of the invention, the incomplete image in the image to be detected is recognized and eliminated by using the color characteristic parameters of the crop image, i.e. the grey tone when the historical image is missing, so as to provide a complete image for subsequent calculation of crop coverage and leaf area index, thereby improving the accuracy of calculation.

【技术实现步骤摘要】
一种农作物实景观测中图像数据质量控制方法及系统
本专利技术涉及农业气象观测领域，尤其涉及一种农作物实景观测中图像数据质量控制方法和一种农作物实景观测中图像数据质量控制系统。
技术介绍
农作物实景自动监测系统是借助机器学习、图像处理和无线多媒体网络技术和方法，利用CCD传感器、图像采集器和通讯装置，采集自然光照条件下农作物图像并传输至计算机终端，通过内置的图像识别算法提取图像特征参数，进而反演得到农作物生长特征信息。它具有24小时连续工作、时间分辨高、非接触、非破坏性等优点，是对传统农业气象观测的有益补充，在农业灾害监测领域有重要应用价值。农作物实景监测具有野外观测特质，不同天气条件下其探测资料的精度有差异。受雾霾、雨雪等气象环境因素影响，由于大气散射作用，作物图像对比度、颜色清晰度等特征改变，图像特征难以辨认，进而影响图像后期处理和作物长势的客观判断。因此，开展系统的质量控制是合理使用农作物实景自动监测系统探测资料的基础。传统的质量控制主要是根据气象学、天气学、气候学原理以及气象要素的时空变化规律和各要素间相互规律为线索，分析观测资料是否合理。其方法包括：范围检查、极值检查、内部一致性检查、空间一致性检查、气象学公式检查、统计学检查、均一性检查。农作物实景自动监测系统探测资料主要包括农作物可视图像和农作物生长特征要素。这些要素不同于常规气象要素，传统的质量控制方法不能直接使用。目前国内外科学家研究重点主要集中在作物分割算法和图像特征提取算法等领域，针对作物图像以及基于图像识别的作物生长特征参数质量控制的研究很少。因此，亟需研制一套适用于农作物实景自动监测系统探测资料的质量控制方法及系统。
技术实现思路
本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一。为此，本专利技术的一个目的在于提供一种农作物实景观测中图像数据质量控制方法，其能够通过对农作物图像进行质量控制，从而提高农作物覆盖度和叶面积指数的计算精度。本专利技术的另一个目的在于提供一种农作物实景观测中图像数据质量控制系统，其能够为农作物覆盖度和叶面积指数质量控制提供清晰的图像几何参数，进而提高农作物覆盖度和叶面积指数的计算精度。为实现上述目的，本专利技术第一方面的技术方案提供了一种农作物实景观测中图像数据质量控制方法，包括以下步骤：根据历史图像生成图像缺失灰色调的灰度值以及对应图像缺失灰色调的图像不完整率；根据灰度值识别出待检测图像的图像缺失量以及对应图像缺失量的图像缺失率；将图像缺失率与图像不完整率进行比较；当图像缺失率大于或等于最小图像不完整率时，待检测图像为不完整图像；当图像缺失率小于最小图像缺失阈率时，待检测图像为完整图像。在该技术方案中，利用农作物图像的颜色特征参数，即历史图像缺失时的灰色调，从而识别并剔除待检测图像中的不完整图像，为后续计算农作物覆盖度和叶面积指数的计算提供完整图像，从而提高计算准确性。在上述技术方案中，优选地，图像缺失灰色调的灰度值为R、G、B值均为128。在该技术方案中，通过通讯传输或者CCD传感器拍摄的农作物图像，其采用RGB色彩模式，即使用RGB模型，为图像中每一个像素的RGB分量分配一个0-255范围内的强度值，通过分析试验中图像像素缺失时R、G、B值发现，当三者均等于128时即为农作物图像缺失时灰色调。在上述任一技术方案中，优选地，还包括以下步骤：获取完整图像中最低像素值形成第一暗通道图像；根据第一暗通道图像的灰度值生成第一灰度直方图；根据已污染图像和未污染图像生成分类模型；根据分类模型对第一灰度直方图进行分类，并生成分类结果；根据分类结果判断待检测图像是否被污染。在该技术方案中，通过对作物图像数据异常值特征分析处理，初步建立农作物实景观测中图像质量控制方法，确保以高质量农业气象信息数据进行实时现代农业生产和决策服务和未来卫星遥感准确性校验，研究具有良好的基础应用价值。在上述任一技术方案中，优选地，根据已污染图像和未污染图像生成分类模型，包括以下步骤：选取已污染图像和未污染图像作为训练样本集；获取训练样本集种最低像素值形成第二暗通道图像；根据第二暗通道图像的灰度值生成第二灰度直方图；根据预设的训练集和第二灰度直方图生成分类模型。在上述任一技术方案中，优选地，第一暗通道图像和第二暗通道图像的公式为：其中，Jc表示图像的R，G，B颜色通道，Ω(x，y)表示以像素(x，y)为中心的图像块，(x，y)表示图像像素的坐标值；第一灰度直方图和第二灰度直方图的公式为：其中，h(xi)为第xi阶灰度出现的概率，S(xi)为灰度值为xi的所有像素数量，为图像总的像素数；训练集的公式为：其中，yi表示给定特征xi的类别标签，Rp为p维特征矢量；分类模型为分割超平面和/或核函数，分割超平面的公式为：其中，ω为超平面的权重系数，b是超平面的偏置参数；核函数的公式为：其中，exp为以自然常数e为底的指数函数，δ为函数的尺度参数。本专利技术第二方面的技术方案提供了一种农作物实景观测中图像数据质量控制系统，包括：生成模块，被设置为用于根据历史图像生成图像缺失灰色调的灰度值以及对应图像缺失灰色调的图像不完整率；识别模块，被设置为用于根据灰度值识别出待检测图像的图像缺失量以及对应图像缺失量的图像缺失率；比较模块，被设置为用于将图像缺失率与图像不完整率进行比较；当图像缺失率大于或等于最小图像不完整率时，待检测图像为不完整图像；当图像缺失率小于最小图像缺失阈率时，待检测图像为完整图像。在该技术方案中，利用农作物图像的颜色特征参数，即历史图像缺失时的灰色调，从而识别并剔除待检测图像中的不完整图像，为后续计算农作物覆盖度和叶面积指数的计算提供完整图像，从而提高计算准确性。在上述技术方案中，优选地，图像缺失灰色调的灰度值为R、G、B值均为128。在该技术方案中，通过通讯传输或者CCD传感器拍摄的农作物图像，其采用RGB色彩模式，即使用RGB模型，为图像中每一个像素的RGB分量分配一个0-255范围内的强度值，通过分析试验中图像像素缺失时R、G、B值发现，当三者均等于128时即为农作物图像缺失时灰色调。在上述任一技术方案中，优选地，还包括：获取模块，被设置为用于获取完整图像中最低像素值形成第一暗通道图像；直方图生成模块，被设置为用于根据第一暗通道图像的灰度值生成第一灰度直方图；分类模型构建模块，被设置为用于根据已污染图像和未污染图像生成分类模型；分类模块，被设置为用于根据分类模型对第一灰度直方图进行分类，并生成分类结果；判断模块，被设置为用于根据分类结果判断待检测图像是否被污染。在该技术方案中，通过分析图像数据中的RGB颜色特征参数和基于暗通道先验直方图的图像污染特征，将异常数据分为两类：图像像素缺失和图像污染。在此基础上，根据两类异常数据的特征初步建立农作物实景观测中图像质量控制方法，确保以高质量农业气象信息数据进行实时现代农业生产和决策服务和未来卫星遥感准确性校验，研究具有良好的基础应用价值。在上述任一技术方案中，优选地，分类模型构建模块包括：样本选取单元，被设置为用于选取已污染图像和未污染图像作为训练样本集；获取单元，被设置为用于获取训练样本集种最低像素值形成第二暗通道图像；直方图生成单元，被设置为用于根据第二暗通道图像的灰度值生成第二灰度直方图；分本文档来自技高网...

【技术保护点】
1.一种农作物实景观测中图像数据质量控制方法，其特征在于，包括以下步骤：根据历史图像生成图像缺失灰色调的灰度值以及对应所述图像缺失灰色调的图像不完整率；根据所述灰度值识别出所述待检测图像的图像缺失量以及对应所述图像缺失量的图像缺失率；将所述图像缺失率与所述图像不完整率进行比较；当所述图像缺失率大于或等于最小所述图像不完整率时，所述待检测图像为不完整图像；当所述图像缺失率小于最小所述图像缺失阈率时，所述待检测图像为完整图像。

【技术特征摘要】
1.一种农作物实景观测中图像数据质量控制方法，其特征在于，包括以下步骤：根据历史图像生成图像缺失灰色调的灰度值以及对应所述图像缺失灰色调的图像不完整率；根据所述灰度值识别出所述待检测图像的图像缺失量以及对应所述图像缺失量的图像缺失率；将所述图像缺失率与所述图像不完整率进行比较；当所述图像缺失率大于或等于最小所述图像不完整率时，所述待检测图像为不完整图像；当所述图像缺失率小于最小所述图像缺失阈率时，所述待检测图像为完整图像。2.根据权利要求1所述的农作物实景观测中图像数据质量控制方法，其特征在于：所述图像缺失灰色调的灰度值为R、G、B值均为128。3.根据权利要求1或2所述的农作物实景观测中图像数据质量控制方法，其特征在于，还包括以下步骤：获取完整图像中最低像素值形成第一暗通道图像；根据所述第一暗通道图像的灰度值生成第一灰度直方图；根据已污染图像和未污染图像生成分类模型；根据所述分类模型对所述第一灰度直方图进行分类，并生成分类结果；根据所述分类结果判断所述待检测图像是否被污染。4.根据权利要求3所述的农作物实景观测中图像数据质量控制方法，其特征在于，根据已污染图像和未污染图像生成分类模型，包括以下步骤：选取所述已污染图像和所述未污染图像作为训练样本集；获取所述训练样本集种最低像素值形成第二暗通道图像；根据所述第二暗通道图像的灰度值生成第二灰度直方图；根据预设的训练集和所述第二灰度直方图生成所述分类模型。5.根据权利要求4所述的农作物实景观测中图像数据质量控制方法，其特征在于：所述第一暗通道图像和所述第二暗通道图像的公式为：其中，Jc表示图像的R，G，B颜色通道，Ω(x，y)表示以像素(x，y)为中心的图像块，(x，y)表示图像像素的坐标值；所述第一灰度直方图和所述第二灰度直方图的公式为：H(P)＝[h(x1)，h(x2)，...，h(xn)]；其中，h(xi)为第xi阶灰度出现的概率，S(xi)为灰度值为xi的所有像素数量，为图像总的像素数；所述训练集的公式为：其中，yi表示给定特征xi的类别标签，Rp为p维特征矢量；所述分类模型为分割超平面和/或核函数，所述分割超平面的公式为：yi(ω·xi+b)≥1i＝1,…，n，其中，ω为超平面的权重系数，b是超平面的偏置参数；所述核函数的公式为：其中，exp为以自然常数e为底的指数函数，δ为函数的尺度参数。6.一种农作物实景观测中图像数据质量控制系统，其特征在于，包括：生成模块，被设置为用于根据历史图像生成图像缺失灰色调的灰度值以...

【专利技术属性】
技术研发人员：李翠娜，白晓东，余正泓，许立兵，
申请(专利权)人：中国气象局气象探测中心，
类型：发明
国别省市：北京,11