一种基于无人机航拍影像的油菜花精准提取方法与流程

1.本发明属于无人机航拍图像处理技术领域，特别涉及一种基于无人机航拍影像的油菜花精准提取方法。


背景技术：

2.随着无人机航拍技术和高精度定位技术的快速发展，无人机航拍技术具有影像实时传输、成本低、分辨率高、监测灵活、效率高优点，通过不同航高可实现高空间、大面积的动态监测，也可以实现低空间较小范围内的精确监测，在国内外各领域已得到广泛应用。随着无人机航拍影像的大量获取，智能化、精准农业化应用成为热点和趋势，如农作物病虫害监控、农作物长势监测、农作物农药喷洒，而如何从海量的无人机航拍影像中提取农作物，比如油菜花的空间分布要素，成为现实性精准农业发展的关键技术。
3.现有的技术通过普通遥感影像对油菜花监测分析通常是采用人工提取油菜花的矢量边界进行分析，其效率低、成本高，且提取数据精度低、分布零散无法实现集中管理和更新。因此，对油菜花自动、精确提取是精准农业应用的一项关键技术。近年来，随着计算机视觉和机器学习、智能化快速发展，但现有图像分类和分割方法只能区分不同类别的农作物类型或目标，而不能很好地实现精准对象的分割，即无法实现单一对象的精准提取，从而无法满足现代精准农业应用的需求。


技术实现要素：

4.为了克服上述现有技术的不足，本发明的目的在于提供一种基于无人机航拍影像的油菜花精准提取方法，通过无人机航拍影像自动提取油菜花这一技术方法，解决了普通遥感影像对油菜花监测分析都是采用人工提取油菜花的矢量边界进行分析，其效率低、成本高，且提取数据精度低、分布零散无法实现集中管理和更新这些问题。
5.为了实现上述目的，本发明采用的技术方案是：一种基于无人机航拍影像的油菜花精准提取方法，包括以下步骤：步骤1：利用多尺度轮廓检测方法，输入一幅高分辨率（优于0.1米分辨率）的航拍影像后，对高分辨率航拍影像进行多尺度轮廓检测，获得高分辨率航拍影像中每一像素点处在不同尺度上的平均轮廓强度值；步骤2：基于分水岭变换的底层分割块生成，通过分水岭变换将轮廓信息转化为最底层的分割块信息，同时得到相邻分割块之间轮廓的权重值；步骤3：基于轮廓强度的多尺度分割图生成，通过分析轮廓权重信息来逐层组合分割块，得到不同尺度的分割图；步骤4：基于图像分类的非油菜花区域剔除，首先对航拍影像进行低层图像特征提取，利用svm分类器对图像中每个像素点进行分类，得到每个像素点是属于油菜花类别还是非油菜花，再通过分类信息与分割信息结合来剔除非油菜花区域，只保留油菜花信息。
6.所述步骤1中利用多尺度轮廓检测方法步骤如下：定义航拍影像中像素点(x，y)处
方向θ上的轮廓强度为：其中，g(t)与h(t)分别是像素点(x，y)处方向θ上两个局部区域内的特征直方图，t是相应的索引值。
7.所述步骤中特征直方图采用两个半圆形的区域进行统计，或者采用两个矩形区域来统计。
8.所述步骤2中特征直方图提取的图像特征有亮度与光谱特征以及纹理特征；通过分水岭变换将轮廓信息转化为最底层的分割块信息，同时得到相邻分割块之间轮廓的权重值。
9.所述步骤3中由多尺度轮廓检测得到的轮廓强度中，选择多个轮廓强度局部最小值点及最小值点的个数，通过分析轮廓权重信息来逐层组合分割块，得到不同尺度的分割图。
10.所述步骤4中对高分辨率航拍影像进行低层图像特征提取；利用svm分类器对图像中每个像素点进行分类，得到每个像素点是属于油菜花区类别还是非油菜花区；通过分类信息与分割信息结合来剔除非油菜花区域，只保留油菜花区域，采用此方法最终得到每个油菜花作物区块的分割结果。
11.与现有技术相比，本发明具备以下有益效果：提出了基于局部区域特征直方图统计的多尺度轮廓检测方法，通过在每个像素附近特定区域内的特征直方图统计提升了轮廓提取精度，同时考虑了多尺度和多角度的轮廓信息，进一步保障了轮廓提取的稳定性；利用分水岭变换将轮廓强度信息转化为分割块信息，利用轮廓信息来获得油菜花作物分割区块的思路，提升了对相邻油菜花作物边缘的敏感性，能够精准地区分相邻的不同农作物的区块；利用图像分类信息对非油菜花区域进行了剔除，只留下油菜花作物类别对应的精准分割区块，充分利用了分类对类别的表达能力和多尺度分割对边缘的保持能力。
附图说明
12.图1是本发明实施例提供的一种基于无人机航拍影像的油菜花精准提取方法流程图。
13.图2是基于半圆形(左)和矩形(右)的特征直方图统计区域设计图。
14.图3是由第ln层分割图生成第ln 1层分割图的过程示意图。
具体实施方式
15.为了使本发明的目的、技术方案及优点更加清楚明白，本发明通过实施例并实现了种基于无人机航拍影像的油菜花精准提取方法，可以为精准农业提供信息支持。结合附图和实施例对本发明作进一步阐述。
16.图1是基于多尺度实施例分割的无人机航拍影像的油菜花精准提取方法流程图，主要包括以下步骤：1）步骤1：利用多尺度轮廓检测方法，输入一幅高分辨率航拍影像后，对高分辨率航拍影像进行多尺度轮廓检测，获得高分辨率航拍影像中每一像素点处在不同尺度上的平均轮廓强度值；
2）步骤2：基于分水岭变换的底层分割块生成，通过分水岭变换将轮廓信息转化为最底层的分割块信息，同时得到相邻分割块之间轮廓的权重值；3）步骤3：基于轮廓强度的多尺度分割图生成，通过分析轮廓权重信息来逐层组合分割块，得到不同尺度的分割图；4）步骤4：基于图像分类的油菜花区域剔除，通过基于svm的图像分类来判定图像中每个像素点是属于油菜花类别还是非油菜花，并利用图像分类信息来剔除非油菜花，只保留油菜花信息，采用此方法最终得到每个油菜花作物区块的分割结果。
17.对步骤1-4做进一步阐述：1）进一步所述步骤1中利用多尺度轮廓检测方法步骤如下：定义航拍影像中像素点(x，y)处方向θ上的轮廓强度为：其中，g(t)与h(t)分别是像素点(x，y)处方向θ上两个局部区域内的特征直方图，t是相应的索引值。
18.2）进一步所述步骤1中特征直方图采用两个半圆形的区域进行统计，或者采用两个矩形区域来统计，最终得到如图2所示半圆形(左)和矩形(右)的特征直方图统计区域设计图。
19.3）进一步所述步骤2中特征直方图提取的图像特征有亮度与光谱特征以及纹理特征；通过分水岭变换将轮廓信息转化为最底层的分割块信息，同时得到相邻分割块之间轮廓的权重，最终得到如图3所示由第ln层分割图生成第ln 1层分割图的过程示意图。
20.4）进一步所述步骤3中由多尺度轮廓检测得到的轮廓强度中，选择多个轮廓强度局部最小值点及最小值点的个数，通过分析轮廓权重信息来逐层组合分割块，得到不同尺度的分割图。
21.5）进一步所述步骤4中对高分辨率航拍影像进行低层图像特征提取；利用svm分类器对图像中每个像素点进行分类，得到每个像素点是属于油菜花区类别还是非油菜花区；通过分类信息与分割信息结合来剔除非油菜花区域，只保留油菜花区域。
22.本发明所用到的轮廓检测方法可以选择任意有效的边缘或轮廓提取方法；所用到的油菜花作物区块/非油菜花作物区块分类方法可以选择监督分类方法，如支持矢量机(svm)、人工神经网络(ann)或深度神经网络(dnn)，也可以选择非监督分类方法，如k均值聚类(k-means)等；本发明针对无人机航拍得到的高分辨率影像进行油菜花作物区块的提取，但如果航空影像或卫星遥感影像的分辨率足够高，本发明提供的方法同样适用。
23.上述描述中的实施方案可以进一步组合或者替换，且实施方案仅仅是对本发明的优选实施例进行描述，并非对本发明的构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域普通技术人员对本发明的技术方案做出的各种变化和改进，均属于本发明的保护范围。本发明的保护范围由所附权利要求及其任何等同物给出。