【技术实现步骤摘要】
一种基于三维聚集指数模型的作物叶面积指数图像分析算法
[0001]本专利技术涉及作物叶面积指数图像分析领域,具体而言,涉及一种基于三维聚集指数模型的作物叶面积指数图像分析算法。
技术介绍
[0002]聚集指数定义为有效叶面积指数(有效LAI,Le)与叶面积指数(LAI,L)的比值,它描述了叶子的聚集或分散程度。通常假设叶子是随机分布,此时我们叫做有效LAI。然而,在田间条件下,叶子并不是随机分布,因此假设随机分布的叶子会导致低估田间测量的LAI,使用聚集指数模型有助于提高测量精度,为测量装置的升级提供理论支持。
[0003]2.现有技术方案介绍
[0004]聚集指数的计算通常设计两个步骤。第一步骤,建立输入参数与聚集指数之间的数学关系来描述叶子的空间分布,即聚集指数建模。当模型建立后,如何获取模型中的输入参数是一个关键问题,需要在第二个步骤中解决。为了减少对植被的破坏,通常采用光学设备间接测量来获取聚集指数模型中的输入参数。为了获取方便,这些输入参数是易于测量的变量。在光学测量中,孔隙更容易被光学设备识别。因此,可以建立孔隙与聚集指数之间的数学关系,进一步反演出聚集指数。
[0005]在聚集指数建模过程中,有两种方法来处理孔隙问题。一种方法是应用孔隙大小累积函数来描述在截断(即一维测量路径)中大于某个孔隙大小(孔隙某一方向的长度)的分数。基于孔隙大小累积函数,建立了孔隙大小与聚集指数的数学方程,利用光学设备测量的孔隙大小作为反演聚集指数的输入参数。在另一种方法中,渗透函数用于描述观察区域的孔隙 ...
【技术保护点】
【技术特征摘要】
1.一种基于三维聚集指数模型的作物叶面积指数图像分析算法,其特征在于,其步骤包括:S1、构建3D聚集指数模型,为了描述叶片水平分布的各向异性,类比LX聚集指数模型的方法,即渗透函数,推导孔隙度与聚集指数数学关系的公式,即3D聚集指数模型公式:式中:P
m
(θ)是非随机分布叶片的孔隙度,为模型的输入参数,代表使用DCP现场测量的田间条件下的孔隙度,P
r
(θ)是随机分布叶片的孔隙度;S2、计算随机分布叶片的孔隙度P
r
(θ),引入植物学分类中叶序,即水平方向上,叶片在茎上的分布包括对生模式、互生模式、轮生模式、簇生模式,基于上述模式,随机分布叶的孔隙度P
r
(θ)的计算步骤如下:s21、分析单层中的个体潜在孔隙区域,用网格分析在植被覆盖率(FVC)测量类推计算出随机分布叶片的个体潜在孔隙区域,在网格分析中,根据对生、互生、轮生模式,局部随机分布的叶片中的孔隙区域分解为四个个体的潜在孔隙区域A
i
(λ),即孔隙区域1、孔隙区域2、孔隙区域1*+4、孔隙区域3,根据叶尖的方向不同,在X方向和Y方向均存在两种情况,所以,四个个体的潜在孔隙区域A
i
(λ)进一步分为7种:A
1_x
,A
1_y
,A
2_x
,A
2_y
,A
14_x
,A
14_y
,A3,其公式表为:s22、计算单层随机分布叶片的平均孔隙区域面积A(λ):A(λ)=A
i
(λ)
×
n(λ)(3)式中:n(λ)单层中个体潜在孔隙区域的数量;将单层中随机分布叶片的平均孔隙区域面积A(λ)除以光学设备的观察面积A
t
,得到单层中随机分布的叶片的孔隙度P(A∨B):P(A∨B)=A(λ)/A
t
(4)式中:V为数学符号“或”;s23、考虑叶片上空隙与下空隙重叠的情况,推导出垂直方向上的孔隙度P
r
(θ)的公式为:式中:δ是0到1之间的随机数;S3、确定像素表示的实际大小,采用几何光学的原理,计算图像中的实际长度或实际宽度,具体的公式为:
式中:h从相机到树冠顶部的垂直高度,并记录在测量值中;FOV是相机的视野;D图像中实际长度D1或实际宽度D2的通用符号;公式(6)结合相机的像素数n
pixel
,得到像素实际大小d:d=D/n
pixel
(7)S4、计算非随机分布叶片的孔隙度P
m
(θ),使用Lab的空间转换技术,将相机拍摄的彩色图像转换为二值图像,像素值为0表示土壤,255表示植被,基于二值图像,得到P
m
(θ)的公式:式中:N
s
是土壤像素数,N
v
是植被像素数;S5、将获得的随机分布叶片的孔隙度P
r
(θ)和非随机分布叶片的孔隙度P
m
(θ)和计算机图形学耦合得到的参数代入到公式(2)中计算出聚集指数。2.根据权利要求1所述的基于三维聚集指数模型的作物叶面积指数图像分析算法,其特征在于,在步骤S1中,3D聚集指数模型的具体推导方法如下:s11、在Markov模型中提出了渗透函数:其中G(θ,θ
l
)为G函数,表示树叶面积在θ方向的投影函数,即:表示树叶面积在θ方向的投影函数,即:其中A(θ,θ
l
)是方程(10)中的核函数,表示θ方向上的树叶密度与树叶密度之间的比例分数,Ψ=cos
‑1(cotθcotθ
l
),g(θ
l
)是叶倾角分布函数LADF,选择选择Beta函数来描述LADF,在斜点样方法的研究中,当θ=57.5
°
时G函数约等于0.5,因此方程(10)和(11)可以简化为:当叶片不是随机分布时,非随机分布的叶片的孔隙度是:其中Ω
E
是聚集指数,公式(13)和公式(9)的两边取对数再相除,得到:3.根据权利要求1所述的基于三维聚集指数模型的作物叶。面积指数图像分析算法,其
特征在于,在步骤S2中,将单层中随机分布叶片的平均孔隙区域划分为单层中具有对生或互生模式的随机分布叶片的平均孔隙区域和单层轮生状随机分布叶片的平均孔隙区域其表达式为:式中:λ1是一个变量,表示随机分布的叶片孔隙尺寸,叶尖平行于X方向,λ2也是一个变量,表示随机分布的孔隙尺寸或随机分布的叶片,叶尖平行于Y方向,f是投影椭圆与椭圆的比值,f是控制天顶角孔隙度变化的一个因素,表达式为:公式(14)中,A
a
、A
b
、A
c
是随机分布的叶片的孔隙面积,表达式为:表达式为:表达式为:式中:w
*
是叶片的平均宽度,l
*
是叶片的平均长度,σ是叶片的面积,σ=0.25πw
*
l
*
,将DCP拍摄的照片对应的实际区域作为观察层区域,因此D1为X方向的截断,即照片长度;D2是Y方向的截断,即照片宽度;n(λ1)表示叶尖平行于X方向的随机分布叶孔隙尺寸大于λ1的数量,n(λ2)表示叶尖平行的随机分布叶片的孔隙尺寸大于λ2的数量到Y方向,表达式为:
式中:L
p
是投影有效叶面积指数,L
p
=G(θ,θ
l
)L
e
/cosθ,G(θ,θ
l
)是叶面积在θ方向的投影函数,σ
p
是叶片的投影面积,w是非水平情况下垂直于截断方向的叶片平均宽度;P(A∨B)被划分为单层中具有对生或互生模式的随机分布的叶片的平均孔隙度和单层具有轮生模式的随机分布叶片的平均孔隙度其表达式展开为:式中:A
t
为DCP所拍照片区域对应的实际面积:A
t
=D1D2(21)上述公式可看出,公式(20)为公式(5)除以方程(21)获得的,且公式(20)也是公式(4)展开的具体形式。4.根据权利要求1所述的基于三维聚集指数模型的作物叶面积指数图像分析算法,其特征在于,在步骤S5中,计算机图形学耦合得到的参数为:长度变量:X方向的截断D1、Y方向...
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。