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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。