一种田间道路识别方法及系统技术方案

本发明专利技术涉及一种田间道路识别方法及系统，方法包括：利用无人机获取田间图像信息；根据所述田间图像信息利用黄金分割法确定分割阈值；根据所述田间图像信息利用所述分割阈值进行分割，得到分割道路；根据所述分割道路利用数学形态的累加模型确定田间道路。本发明专利技术能够快速实现对农田道路信息的自动识别。快速实现对农田道路信息的自动识别。快速实现对农田道路信息的自动识别。

【技术实现步骤摘要】
一种田间道路识别方法及系统


[0001]本专利技术涉及图像识别领域，特别是涉及一种田间道路识别方法及系统。

技术介绍

[0002]基本农田建设重要性。国家高度重视基本农田建设，花费巨资进行高标准农田建设。监测农田基本建设的质量是高标准农田建设的关键手段，规模化农业的高标准农田建设必须采用信息化手段才能进行有效的监测。
[0003]用无人机进行农田信息自动采集提高采集识别的效率。农田道路的通达度是高标准农田的重要标准之一，要自动测算农田道路通达度就必须自动采集道路信息。无人机遥感以其全天时、实时化、高分辨率、灵活机动、高性价比等优势，在农业、生态环境、新农村建设规划、自然灾害监测、巩固安全、水量、矿产资源勘探等国民经济及社会发展各个领域发挥越来越重要的作用，成为继卫星遥感技术之后的新兴发展方向。用无人机自动采集农田道路信息将大大提高了农田道路信息采集识别的效率。
[0004]农田道路信息的自动采集与识别存在的问题。目前交通领域道路信息的自动提取、道路的自动识别是当前交通领域的热门研究。道路识别的研究方法很多，但都存在各种不完善与未能解决的缺陷，所以长期以来道路的自动识别一直是专家们高度关注的热点。对于还未受到专家关注的农田道路，更是存在同样的问题。目前农田道路信息的提取与识别基本空白，因此农田道路信息的自动获取和道路识别更有研究意义。
[0005]田间道路的识别不能直接套用现有的城区道路识别的方法。高标准农田的田间道路信息的应用需求与道路信息特点有别于城区域道路，所以田间道路的自动识别不能直接套用现有的城区道路识别的方法。目前城区道路识别的应用需求主要是无人驾驶、导航、智能交通、地图等，而农田道路应用需求是道路的通达状况等；城区道路应用系统可以充裕地配置各种高档设备，而大田的道路监测环境条件差只能携带最简便的设备；城区道路可以设置在较优的网络环境中，大田道路大都处于网络的弱环境中；城区道路环境相对比较规范，而农地大田环境恶劣，道路周围地物特点不同；城区的交通线与大田的道路在道路颜色、形状、纹理有区别；对于高标准农田建设项目监测，规模农田管理与规划等来说，由于农地大田幅员广阔，往返实地采集的人力、物力及时间成本大，所以农地大田进行实地采集更需要快速采集并能高效现场决策功能的系统。
[0006]所以研究农田道路信息的自动提取与识别是农业现代化新形势下的新问题。
[0007]目前常规的道路识别方法很多，最常用的方法是从google地图上搜索相应道路。利用google地图上能搜索到各地的道路图。但是对于农田设施的新建项目，在google地图上是不能即刻构建出这些新建项目的道路的，而况卫星的遥感影像每年只是过境有限的次数，每次过境时气候云层对影像的质量会有很大的影响，所以，利用卫星遥感即时提取农田基本建设新建道路信息是不现实的。
[0008]遥感或无人机的影像只能供人工肉眼识别，计算机无法直接识别出道路。计算机只能认识数据，影像中的数据包括田块、道路、绿作等地物的所有数据，计算机不能直接从
影像中识别出道路数据。因此必须过滤非道路的复杂的地物数据，提取出道路的数据，只有提取出道路的信息数据，计算机才能对道路的数据进行分析，自动鉴别道路建设进展情况，如：道路长度，道路的通达度等。
[0009]目前从道路影像提取道路信息的研究很多，如：传统的道路提取方法、机器学习、深度学习、数据融合等，这些方法都取得一定的成果。但绝大部分的方法都只适用于在特定场景与特定的需求。而且这些方法也还存在很多问题，如：图像噪声的消除等。传统滤除噪声的方法主要是均值滤波和中值滤波，这些算法虽然在某些领域内处理效果很好，但是不能有效地滤除叠加在路面灰度图像中的多种噪声；又如：多尺度结构元素的形态学边缘检测算法，实现复杂，处理速度较慢，不能满足路面检测的实时性。
[0010]更重要的是目前很多方法还停留在理论研究层面，要把理论的方法移植到应用系统还需要对原有方法做大量的改造与创新。道路信息提取的很多算子虽然较成熟，但是算子应用条件的针对性较强，普适性较差，实时性差，对网络条件及计算机的设备有较高的要求，在运算过程中需要使用在一定计算机配置条件下的辅助工具完成计算，这对各方面基础条件较差的大规模农田建设项目，道路识别系统在总体设计及方法采用上都必须进行彻底的更新。
[0011]田间道路的识别目前在应用技术上还很薄弱。至今还没有成功的软件可用，目前可行的方法是人工把田间采集到影像带回实验室用Arcgis软件手工操作进行识别。识别结果仍然存在不少缺陷，且耗时、耗工，所以现有的田间道路识别技术对于规模化的农田项目监测、现场决策还有很大的距离。
[0012]利用现有google遥感图像识别道路必须靠人工肉眼识别，且采集到影像周期固定，距离远，云层障碍，噪音消除不理想，google地图对新建道路不能即时响应。现有的道路识别理论，理论研究方法居多、应用技术偏少。现有的道路识别应用技术即时性差、配置要求高、实用性差、全程自动化程度不高。
[0013]总之，目前大部分的道路图像识别方法是面向
‘
高、大、上
’
，并未针对基层农业的特殊需求及农地特殊的环境，提出方便有效的道路识别方法。

技术实现思路

[0014]本专利技术的目的是提供一种田间道路识别方法及系统，以快速实现对农田道路信息的自动识别。
[0015]为实现上述目的，本专利技术提供了如下方案：
[0016]一种田间道路识别方法，包括：
[0017]利用无人机获取田间图像信息；
[0018]根据所述田间图像信息利用黄金分割法确定分割阈值；
[0019]根据所述田间图像信息利用所述分割阈值进行分割，得到分割道路；
[0020]根据所述分割道路利用数学形态的累加模型确定田间道路。
[0021]可选地，在所述利用无人机获取田间图像信息之后，还包括：
[0022]对所述田间图像信息进行灰度处理，得到灰度图；
[0023]对所述灰度图进行特征分析，得到灰度值范围。
[0024]可选地，所述根据所述田间图像信息利用黄金分割法确定分割阈值，具体包括：
[0025]根据所述田间图像信息的灰度值范围利用黄金分割法确定分割阈值。
[0026]可选地，在所述根据所述田间图像信息利用所述分割阈值进行分割，得到分割道路之后，还包括：
[0027]对所述分割道路进行二值化处理。
[0028]可选地，所述根据所述根据所述分割道路利用数学形态的累加模型确定田间道路，具体包括：
[0029]根据所述分割道路的连续像素点确定灰度值累加模型；所述连续像素点包括沿行方向的连续像素点和沿列方向的连续像素点；
[0030]根据所述灰度值累加模型确定田间道路。
[0031]一种田间道路识别系统，包括：
[0032]获取模块，用于利用无人机获取田间图像信息；
[0033]分割阈值确定模块，用于根据所述田间图像信息利用黄金分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种田间道路识别方法，其特征在于，包括：利用无人机获取田间图像信息；根据所述田间图像信息利用黄金分割法确定分割阈值；根据所述田间图像信息利用所述分割阈值进行分割，得到分割道路；根据所述分割道路利用数学形态的累加模型确定田间道路。2.根据权利要求1所述的田间道路识别方法，其特征在于，在所述利用无人机获取田间图像信息之后，还包括：对所述田间图像信息进行灰度处理，得到灰度图；对所述灰度图进行特征分析，得到灰度值范围。3.根据权利要求2所述的田间道路识别方法，其特征在于，所述根据所述田间图像信息利用黄金分割法确定分割阈值，具体包括：根据所述田间图像信息的灰度值范围利用黄金分割法确定分割阈值。4.根据权利要求1所述的田间道路识别方法，其特征在于，在所述根据所述田间图像信息利用所述分割阈值进行分割，得到分割道路之后，还包括：对所述分割道路进行二值化处理。5.根据权利要求1所述的田间道路识别方法，其特征在于，所述根据所述根据所述分割道路利用数学形态的累加模型确定田间道路，具体包括：根据所述分割道路的连续像素点确定灰度值累加模型；所述连续像素点包括沿行方向的连续像素点和沿列方向的连续像素点；根据所述灰度值累加模型确定田间道路。6.一种田间道路识...

【专利技术属性】
技术研发人员：胡月明，陈联诚，徐天，张飞扬，萧嘉明，
申请(专利权)人：广州市华南自然资源科学技术研究院，
类型：发明
国别省市：