[发明专利]绿色作物特征提取方法以及农业机械视觉导航系统

说明书

技术领域

本发明涉及图像处理与模式识别领域，尤其是涉及一种绿色作物特征提取方法以及农业机械视觉导航系统。

背景技术

目前在现代农业工程研究中，图像处理与模式识别方法得到了越来越广泛的应用。例如对于精细农业中的自动导航和作业、作物生态检测等，都需要对于所获取的相应彩色图像进行绿色作物识别，并相应地提取绿色作物特征，也即将绿色作物从非绿色的背景中分割出来，以便依据所提取出的绿色作物及其位姿信息进行进一步的精细农业自动化作业和管理、农业生态信息监测等应用处理。尤其对于农业机械自动视觉导航方面，在自然条件下作物生态环境的复杂性和土壤背景的复杂性都会影响绿色作物特征的实时图像提取。

采用彩色图像提取绿色作物特征的影响因素主要包括：土壤背景中的作物残留物（如干枯的根和茎等）、不同作物质材与土壤颜色的差异、交叠叶片的阴影、太阳光的入射角度、摄像头相对于作物叶片和太阳的角度，以及背景土壤的干湿等。目前虽然已经提出了一些绿色农作物的识别方法，然而对于复杂土壤背景中的绿色作物特征实时提取方法并没有令人满意的解决方案。

发明内容

为了解决上述问题，依据本发明的一个实施例，提供了一种绿色作物特征实时提取方法，包括：获取包含有绿色作物像素的待识别图像；利用绿色植物特征提取和形态学开运算的组合来提取所述待识别图像中的绿色作物像素，从而提取绿色作物特征。

依据本发明的另一个实施例，提供了一种农业机械视觉导航系统，包括：获取装置，用于获取包含有绿色作物的待识别图像；提取装置，用于利用绿色植物特征提取GVFE和形态学开运算的组合来提取所述待识别图像中的绿色作物像素，从而实时地分割绿色作物图像。

通过本发明实施例提供的方案，采用了将GVFE和形态学开运算组合，实现了从彩色图像复杂土壤背景中实时提取绿色作物特征，从而可应用于农业机械视觉导航系统等对实时性要求较高的场合。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以依据这些附图获得其他的附图。

图1示出了依据本发明实施例的绿色作物特征实时提取方法的示意性流程图；

图2分别示出了在复杂土壤环境下使用GVFE方法和使用本发明实施例的方法的效果对比图；以及

图3示出了依据本发明实施例的农业机械视觉导航系统的示意结构图

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前，对于彩色图像中的绿色作物特征的提取应用于农业机械视觉导航方面，已公开了一些依赖于阈值的算法，如归一化植物指数（normalized difference vegetation index，NDVI）、超绿（excess green index,ExG）、超绿减超红（excess green minus excess red,ExG-ExR）等，将图像灰度化后，采用自动阈值法将作物从非绿色的背景中分离，但是这些算法依赖于需要优化的阈值；若采用k均值聚类，则实时性较差，不能满足农业机械自动导航和作业的要求。另外，还有如采用mean shift和BP神经网络、mean shift和Fisher判别规则进行绿色作物的分割，但这些算法均比较复杂，不利于实时性要求较高的系统。尤其是由于实际应用中有较多的影响因素，且关系复杂，诸如照明变化、具有残留物的复杂的土壤背景、杂草和石头、阴影，以及干或湿的土壤背景等，在实际应用中使用现有的算法来进行绿色作物特征实时提取仍需进一步改进。