專利名稱：葉面積指數(shù)自動(dòng)觀測系統(tǒng)及其方法
技術(shù)領(lǐng)域：
本發(fā)明涉及農(nóng)業(yè)觀測領(lǐng)域，更具體的，涉及葉面積指數(shù)自動(dòng)觀測系統(tǒng)及其方法。
背景技術(shù)：
葉面積指數(shù)(LAI，Leaf Area hdex)作為最基本和常用的農(nóng)業(yè)生態(tài)環(huán)境參數(shù)之一，已經(jīng)在植物生態(tài)學(xué)、森林學(xué)和農(nóng)業(yè)估算產(chǎn)量等領(lǐng)域成為重要的指標(biāo)之一。目前溫度、濕度、土壤水分等參數(shù)都有現(xiàn)成的傳感器，但是還沒有葉面積指數(shù)傳感器，這是由于葉面積指數(shù)測量的特殊性造成的。一般來說，在不損壞作物的條件下很難直接測量葉面積指數(shù)，如果用間接測量方法，則需要解決采樣的代表性問題，自動(dòng)區(qū)分葉片和背景，并且對葉傾角以及相互遮擋等干擾因素進(jìn)行糾正。因?yàn)檫@些難點(diǎn)，現(xiàn)有的間接測量葉面積指數(shù)的儀器都需要人工操作，還不能做到完全自動(dòng)化。目前尚沒有葉面積指數(shù)自動(dòng)觀測系統(tǒng)。

發(fā)明內(nèi)容
針對上述問題，本發(fā)明提出了一種葉面積指數(shù)自動(dòng)觀測系統(tǒng)及其方法，從而在有限的成本的前提下解決全自動(dòng)測量葉面積指數(shù)的難題。所述葉面積指數(shù)自動(dòng)觀測系統(tǒng)，包括葉面積指數(shù)自動(dòng)觀測服務(wù)器，包括二值圖像生成模塊、參數(shù)提取模塊、葉面積指數(shù)計(jì)算模塊，其中二值圖像生成模塊用于把數(shù)據(jù)采集裝置獲取的作物冠層數(shù)字圖像分類成二值圖像，所述參數(shù)提取模塊用于從二值圖像提取間隙率、間隙尺寸、聚集指數(shù)，所述葉面積指數(shù)計(jì)算模塊用于根據(jù)提取的信息參數(shù)計(jì)算葉面積指數(shù)；數(shù)據(jù)采集裝置，包括用于供電的太陽能智能發(fā)電系統(tǒng)，采集作物數(shù)字圖像的攝像頭傳感器、用于傳輸數(shù)據(jù)的數(shù)傳模塊、以及用于接收采集的數(shù)據(jù)并通過輸出模塊傳輸?shù)剿鋈~面積指數(shù)自動(dòng)觀測服務(wù)器的數(shù)據(jù)采集板。所述葉面積指數(shù)自動(dòng)觀測方法，包括把數(shù)據(jù)采集裝置獲取的作物冠層數(shù)字圖像分類成二值圖像；從二值圖像提取間隙率、間隙尺寸、聚集指數(shù)；根據(jù)提取的信息參數(shù)計(jì)算葉面積指數(shù)。本發(fā)明的葉面積指數(shù)自動(dòng)觀測系統(tǒng)是為從數(shù)字圖像提取農(nóng)作物葉面積指數(shù)而設(shè)計(jì)，它實(shí)現(xiàn)了葉面積指數(shù)間接測量方法。相比于已有類似的系統(tǒng)如CAN EYE、CIMES-FISHEYE 等，這兩個(gè)系統(tǒng)都是針對魚眼相機(jī)而設(shè)計(jì)，本發(fā)明的系統(tǒng)是為普通相機(jī)數(shù)碼圖像處理而設(shè)計(jì)，同時(shí)本發(fā)現(xiàn)提供了 3種自動(dòng)分類方法，可以滿足野外復(fù)雜條件下的圖像分類。3種分類方法都是獨(dú)立提出，經(jīng)實(shí)驗(yàn)驗(yàn)證分類精度可靠。本發(fā)明的系統(tǒng)主要包括二值圖像生成模塊、 參數(shù)提取模塊和葉面積指數(shù)計(jì)算模塊。圖像分類通常是將作物冠層數(shù)碼圖像分為土壤背景和綠色植被兩類。改進(jìn)的K-均值分類方法先將圖像自動(dòng)分為多類，然后根據(jù)各類波段均值進(jìn)行閾值處理，合并為綠色植被和土壤及背景兩類。自動(dòng)閾值分類綜合利用RGB和HSL彩色空間，給出4種波段閾值組合方法。分塊閾值分類針對玉米葉片較寬大的圖像或者其他葉片比較寬大的作物原圖像進(jìn)行分塊處理，分塊后原圖像變成均勻的圖斑，然后利用波段閾值進(jìn)行二值化，分類結(jié)果更加準(zhǔn)確。從二值圖像可以統(tǒng)計(jì)間隙率、間隙尺寸分布曲線和聚集指數(shù)等信息，利用這些信息可以進(jìn)行更深入的分析，從而計(jì)算出葉面積指數(shù)。


圖1是本發(fā)明的葉面積指數(shù)自動(dòng)觀測系統(tǒng)的結(jié)構(gòu)示意圖；圖2是本發(fā)明葉面積指數(shù)自動(dòng)觀測系統(tǒng)的數(shù)據(jù)采集裝置的安裝示意圖；圖3是本發(fā)明葉面積指數(shù)自動(dòng)觀測系統(tǒng)的數(shù)據(jù)采集板的電路圖；圖4是本發(fā)明葉面積指數(shù)自動(dòng)觀測方法的流程圖；圖5是本發(fā)明所采用的RGB彩色空間和HSL彩色空間的示意圖；圖6是本發(fā)明的二值圖像生成模塊的示意圖；圖7是本發(fā)明的采集的原始圖像的示例；圖8是所示原始圖像經(jīng)過本發(fā)明的分類后生成的二值圖像的示例；圖9是本發(fā)明的間隙尺寸分布的示意圖；圖10是玉米葉面積指數(shù)提取結(jié)果的示例。
具體實(shí)施例方式下面結(jié)合附圖和具體實(shí)施方式
對本發(fā)明作進(jìn)一步詳細(xì)的說明。圖1為本發(fā)明的葉面積指數(shù)自動(dòng)觀測系統(tǒng)的結(jié)構(gòu)示意圖，由圖可見，本發(fā)明的面積指數(shù)自動(dòng)觀測系統(tǒng)包括數(shù)據(jù)采集裝置和葉面積指數(shù)觀測服務(wù)器。數(shù)據(jù)采集裝置位于待觀測的農(nóng)田中，其觀測的數(shù)據(jù)通過網(wǎng)絡(luò)傳送給遠(yuǎn)程的葉面積指數(shù)計(jì)算裝置，由葉面積指數(shù)觀測服務(wù)器計(jì)算得出葉面積指數(shù)。在實(shí)際中，數(shù)據(jù)采集裝置安裝在支撐桿上，支撐桿上端具有朝一側(cè)的支撐桿臂，支撐桿臂離地面高度優(yōu)選的為3米。當(dāng)然，也可以根據(jù)檢測的農(nóng)作物的高度來調(diào)節(jié)支撐桿臂的設(shè)定高度。所述數(shù)據(jù)采集裝置包括太陽能智能發(fā)電系統(tǒng)、數(shù)據(jù)采集板、攝像頭傳感器、溫濕度傳感器、GPS傳感器、數(shù)傳模塊。其中，太陽能智能發(fā)電系統(tǒng)由太陽能板、蓄電池與充電控制單元構(gòu)成；蓄電池用于為所述數(shù)據(jù)采集裝置供電；充電控制單元用于控制太陽能板為蓄電池充電。所述太陽能板白天接受太陽光的輻射，將光能轉(zhuǎn)換成電能，并在充電控制單元的作用下向蓄電池8充電， 同時(shí)，當(dāng)太陽能充足時(shí)，由太陽能板直接給所述的裝置供電。例如太陽能板提供電壓上限值為19V，當(dāng)太陽能板電壓超過蓄電池電壓時(shí)候，將自動(dòng)給蓄電池供電；太陽能充足時(shí)，由太陽能板給所述數(shù)據(jù)采集裝置供電；太陽能不足時(shí)，由蓄電池給所述數(shù)據(jù)采集裝置供電； 當(dāng)蓄電池低于IOV時(shí)，所述數(shù)據(jù)采集裝置自動(dòng)休眠，以保護(hù)蓄電池的壽命，直到太陽能智能發(fā)電系統(tǒng)下次啟動(dòng)時(shí)候，太陽能板給蓄電池充電超過IOV0其中，采用兩個(gè)攝像頭傳感器，其固定在支撐桿臂外端頭上，觀測角度分別為垂直向下(天頂角0度)和傾斜57. 7度，視場60度。攝像頭傳感器定時(shí)拍攝，采集作物冠層數(shù)字圖像信息，并傳輸至數(shù)據(jù)采集板。攝像頭傳感器采用的是500萬高清數(shù)字?jǐn)z像頭，分辨率為32(^240 2596*1944，攝像頭傳感器采集時(shí)的分辨率可根據(jù)需要設(shè)置。攝像頭傳感器自動(dòng)識(shí)別環(huán)境光線強(qiáng)度，光線不足時(shí)將在拍攝時(shí)候開啟閃光燈，模塊正常工作需要12V供電，通過串口與數(shù)據(jù)采集板通信，只有在接收到拍攝命令時(shí)開啟電源開關(guān)，從而節(jié)省電源。拍攝的時(shí)間可以根據(jù)相關(guān)的參數(shù)設(shè)置，一天最多可以拍攝12次，系統(tǒng)根據(jù)設(shè)定時(shí)間拍攝圖片。例如每天早上7:00和下午16:00自動(dòng)拍攝兩次；在遭遇陰雨天氣時(shí)根據(jù)情況選擇可用時(shí)間點(diǎn)數(shù)據(jù)。一天當(dāng)中采集四幅圖像，從四幅圖像選擇數(shù)據(jù)質(zhì)量較高的圖像用于分類并且可以利用兩個(gè)角度圖像結(jié)果取平均，最終輸出一個(gè)葉面積指數(shù)值。攝像頭傳感器拍攝的圖像存儲(chǔ)在信號(hào)采集板的存儲(chǔ)器中，若存儲(chǔ)器容量不足或是其他故障，圖片將不會(huì)存儲(chǔ)。若在預(yù)定時(shí)間(例如1分半鐘，其中半分鐘是攝像頭上電直到穩(wěn)定需要的時(shí)間)內(nèi)攝像頭都無法正常工作，將停止拍攝任務(wù)。其中，溫濕度傳感器用于采集溫度、濕度信息并傳輸給數(shù)據(jù)采集板，溫濕度傳感器焊接在數(shù)據(jù)采集板上。例如可以采用shtlO數(shù)字傳感器，其工作電壓3. 3V，只在采樣時(shí)才對其供電。其中，GPS傳感器用于自動(dòng)修正數(shù)據(jù)采集板的RTC實(shí)時(shí)時(shí)鐘，記錄坐標(biāo)，在每天的零點(diǎn)開啟，其余時(shí)間處于關(guān)閉狀態(tài)，GPS傳感器焊接在數(shù)據(jù)采集板上?？梢栽O(shè)定GPS傳感器在每天的零點(diǎn)開啟，尋找衛(wèi)星，并在找到衛(wèi)星后給數(shù)據(jù)采集板進(jìn)行時(shí)間校正，并將系統(tǒng)所處的經(jīng)緯度記錄下來，隨圖片數(shù)據(jù)一起通過如下所述的數(shù)傳模塊傳輸給遠(yuǎn)程的葉面積指數(shù)觀測服務(wù)器。其中，數(shù)傳模塊連接于數(shù)據(jù)采集板上，在數(shù)據(jù)采集板附近，用于將數(shù)據(jù)采集板的數(shù)據(jù)信息(包括存儲(chǔ)器中的數(shù)據(jù)，采集的溫濕度和系統(tǒng)電壓、經(jīng)緯度信息)傳輸?shù)竭h(yuǎn)程的葉面積指數(shù)計(jì)算裝置。數(shù)傳模塊可以利用現(xiàn)有的無線網(wǎng)絡(luò)或有線網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)傳輸。數(shù)傳模塊可以選擇2. 4G模塊、銥星數(shù)傳模塊、無線電模塊和GPRS模塊。本說明書以GPRS模塊為例描述本發(fā)明，本領(lǐng)域技術(shù)人員能夠在本發(fā)明的教導(dǎo)下想到其他的替換實(shí)施方式。手機(jī)通用分組無線服務(wù)技術(shù)(GPRQ能夠?qū)崿F(xiàn)數(shù)據(jù)無線傳輸，采用3. 8V供電，每次在拍攝任務(wù)完成時(shí)開啟，也可進(jìn)行在每個(gè)小時(shí)整點(diǎn)開啟并登陸，這在GPRS網(wǎng)絡(luò)信號(hào)不好的情況，可以保證順利的連接上網(wǎng)絡(luò)，保證數(shù)據(jù)的遠(yuǎn)程傳輸。數(shù)傳模塊連接遠(yuǎn)程服務(wù)器后傳輸數(shù)據(jù)采集板上的存儲(chǔ)器中的數(shù)據(jù)，數(shù)據(jù)傳輸完自動(dòng)關(guān)閉模塊電源。其中，數(shù)據(jù)采集板用于采集上述各部件采集的信息，并通過數(shù)傳模塊與遠(yuǎn)程的葉面積指數(shù)觀測服務(wù)器進(jìn)行數(shù)據(jù)傳輸。數(shù)據(jù)采集板包括微控制器和存諸器，更具體而言，微控制器用于采集溫濕度傳感器采集的信息、攝像頭傳感器輸出的作物冠層數(shù)字圖像信息、太陽能智能發(fā)電系統(tǒng)發(fā)送的電壓信息、GPS傳感器采集的時(shí)間校正信息，并且還用于控制太陽能智能發(fā)電系統(tǒng)、攝像頭傳感器、溫濕度傳感器、GPS傳感器和數(shù)傳模塊的開啟。存諸器用于存儲(chǔ)微控制器采集的信息。其中，儲(chǔ)存器可以選用IG的nandflash，采集的信息保存在 nandflash中，也可以從nandflash讀取已保存的信息，若信息讀取后，將自動(dòng)刪除，以供后面新的信息存儲(chǔ)。數(shù)據(jù)采集板裝在一個(gè)密封箱里，防止受到天氣影響。密封箱固定連接在支撐桿中部。圖2顯示了所述數(shù)據(jù)采集裝置的安裝使用圖。圖3顯示了數(shù)據(jù)采集板的電路圖。本發(fā)明的葉面積指數(shù)自動(dòng)觀測系統(tǒng)還包括葉面積指數(shù)觀測服務(wù)器，其通過互聯(lián)網(wǎng)與所述數(shù)據(jù)采集裝置通信，所述葉面積指數(shù)觀測服務(wù)器包括二值圖像生成模塊、參數(shù)提取模塊、葉面積指數(shù)計(jì)算模塊。二值圖像生成模塊用于把數(shù)據(jù)采集裝置獲取的作物冠層數(shù)字
7圖像分類成二值圖像。所述參數(shù)提取模塊用于從二值圖像提取間隙率、間隙尺寸、聚集指數(shù)等參數(shù)。葉面積指數(shù)計(jì)算模塊用于根據(jù)提取的信息參數(shù)計(jì)算葉面積指數(shù)。下面參照圖4詳細(xì)描述所述葉面積指數(shù)觀測服務(wù)器的工作過程。本發(fā)明的方法利用了數(shù)字圖像處理中的RGB和HSL彩色空間，圖5分別顯示了這兩個(gè)彩色空間的示意圖。在RGB彩色空間中可以將真彩色圖像分解為紅R、綠G和藍(lán)B三個(gè)分量，各分量的取值為0-255，(0,0,0)代表黑色、(255,255,255)代表白色、(255,0,0)代表紅色、(0,255,0)代表綠色、(0,0,255)代表藍(lán)色。本發(fā)明的分類依據(jù)就是作物葉片為綠色，通過提取綠色像元就可以區(qū)分綠色植被和背景。在HSL彩色空間中可以將真彩色圖像分解為色度H、飽和度S和亮度L三個(gè)分量， H取值為0-360度，S取值0-1，L取值為0-1。本發(fā)明的分類依據(jù)是作物葉片為綠色，對應(yīng)的H取值范圍為60-180，其取值還可能受到成像條件的影響，所以用戶可以根據(jù)圖像質(zhì)量進(jìn)行閾值設(shè)置或者選擇推薦的閾值。1、分類生成二值圖像在該過程中，由二值圖像生成模塊用于把數(shù)據(jù)采集裝置獲取的作物冠層數(shù)字圖像分類成二值圖像。圖像分類通常是將作物冠層數(shù)碼圖像分為土壤背景和綠色植被兩類。實(shí)驗(yàn)表明， 由于作物種類不同，或者是作物生長階段不同，所用的圖像分類方法也不相同，沒有一種普適的分類方法。例如，在華北地區(qū)主要作物是冬小麥和玉米，冬小麥?zhǔn)崭詈蠼斩挾嗔粼谔锢?，土壤和秸稈混合增加了分類的?fù)雜度。針對冬小麥和玉米應(yīng)該選用不同的分類方法，對于玉米在不同的生長階段也需要更換分類方法。對此，本發(fā)明提供了三種分類方法改進(jìn)的 K-均值分類、自動(dòng)閾值分類、分塊閾值分類。分別由圖6中所示的二值圖像生成模塊中的改進(jìn)的K-均值分類模塊、自動(dòng)閾值分類模塊和分塊閾值分類模塊實(shí)現(xiàn)。第一實(shí)施例改進(jìn)的K-均值分類方法該方法由二值圖像生成模塊中的改進(jìn)的K-均值分類模塊實(shí)現(xiàn)。改進(jìn)的K-均值分類方法使用了聚類分析方法，需要在數(shù)據(jù)中選定所需的分類個(gè)數(shù)，隨機(jī)的查找聚類中心位置，然后迭代的重新配置他們，直到達(dá)到最優(yōu)化的分類。改進(jìn)的 K-均值分類方法先根據(jù)選定的分類個(gè)數(shù)自動(dòng)分為多類，然后根據(jù)各類波段均值進(jìn)行閾值處理，合并為綠色植被和土壤及背景兩類。改進(jìn)方法的處理流程為1)計(jì)算圖像數(shù)據(jù)空間上均勻分布的K個(gè)初始類別均值；2)計(jì)算像元到每個(gè)初始類別的距離，用最短距離方法把它們聚集到最近的類中；3)每次迭代重新計(jì)算類別的均值，并且用新的類別均值對像元進(jìn)行再分類；4)迭代步驟2 3直至滿足既定的條件，如果限定了誤差閾值，當(dāng)每一類在一次迭代中類別發(fā)生變化的像元數(shù)小于閾值時(shí)迭代終止。達(dá)到誤差閾值或者達(dá)到最大迭代此時(shí)分類都將結(jié)束；5)相比于原始算法，改進(jìn)的K均值分類統(tǒng)計(jì)分類終止時(shí)各類在RGB彩色空間的均值，如果滿足G > 1 且6 > B的類別被合并為一類，代表綠色葉片，剩下的類別被合并為土壤背景類，通過這個(gè)步驟最終實(shí)現(xiàn)圖像的二值化。第二實(shí)施例自動(dòng)閾值分類方法該方法由二值圖像生成模塊中的自動(dòng)閾值分類模塊實(shí)現(xiàn)。
為冬小麥和玉米葉片較小的圖像，提供四種波段閾值分類方法。R、G、B分別代表 RGB彩色空間的紅、綠、藍(lán)三個(gè)波段，它們的取值范圍均為0-255，H代表HSL彩色空間中的色度，它的取值范圍為0° -360°，，分類的原理是通過設(shè)置R、G、B和H四個(gè)變量的范圍來區(qū)分綠色葉片和土壤背景，因此定義四個(gè)閾值tl、t2、t3、t4用于設(shè)置R、G、B和H四個(gè)變量的范圍，在各方法中四個(gè)閾值限定的變量不固定，僅僅是給四個(gè)變量賦值之用。下面四種方法提供了推薦的閾值，在應(yīng)用中需要根據(jù)圖像情況選擇合適的分類方法。方法1 (tl < H < t2)或(R > t3 和 G > t3 和 B > t3) tl = 60、t2 = 180、t3 = 200在方法1中，條件1，60 <H< 180，正好對應(yīng)綠色葉片在HSL色彩空間中H分量的范圍；條件2，(R > 200和G > 200和B > 200)對應(yīng)圖像中比較亮的葉片部分，兩個(gè)條件取并集可以得到較高精度的分類結(jié)果。方法2 (G > R+tl 禾口 G > B+t2)或(R > t3 和 G > t3 和 B > t3) tl = 0、t2 = 0、t3 = 200在方法2中，條件1，(G > R和G > B)正好對應(yīng)綠色葉片在RGB色彩空間中R、G、 B三個(gè)分量的特點(diǎn)；條件2，(R > 200和G > t200和B > 200)對應(yīng)圖像中比較亮的葉片部分，兩個(gè)條件取并集可以得到較高精度的分類結(jié)果。方法3 (tl < H < t2)禾口(G > R+t3 和 G > B+t4) tl = 60、t2 = 180、t3 = 0、t4 =0在方法3中，條件1，60 < H < 180正好對應(yīng)綠色葉片在HSL色彩空間中H分量的范圍；條件2，(G > R+t3和G > B+t4)對應(yīng)圖像中比較亮的葉片部分，通常t4設(shè)定為0值， 用戶可以根據(jù)圖像質(zhì)量自行設(shè)定閾值，保持了靈活性。方法4 (G > R+tl 禾口 G > B+t2) or ((R-G) < t3) or (R > t4 禾口 G > t4 禾口 B > t4) tl = 0、t2 = 0、t3 = 10、t4 = 200與方法2相比，方法4增加了判據(jù)((R-G) < t3)，這主要是針對圖像中的葉片耀斑而設(shè)計(jì)的，經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)葉片耀斑的在RGB彩色空間中的R和G分量滿足這樣的條件，用戶可以根據(jù)圖像質(zhì)量設(shè)定閾值。第三實(shí)施例分塊閾值分類方法該方法由二值圖像生成模塊中的分塊閾值分類模塊實(shí)現(xiàn)。優(yōu)選地，對玉米葉片較寬大的圖像或者其他葉片比較寬大的作物原圖像進(jìn)行分塊處理，原圖像變成均勻的圖斑分類結(jié)果更加準(zhǔn)確，然后利用波段閾值進(jìn)行二值化。分塊直徑?jīng)Q定分塊圖斑的大小，用戶需根據(jù)圖像進(jìn)行設(shè)定。這種方法的處理流程為1)圖像分割，圖像分割需要用戶輸入分割塊的直徑和迭代次數(shù)，分割完成后圖像生成均勻的圖斑，在圖斑邊界往往存在未賦值的像元。分割后圖像更加均勻，分類更加精確。2)未賦值像元合并，計(jì)算未賦值像元鄰域內(nèi)均值作為該像元的值。3)閾值分類延用第二種分類方法，推薦的閾值條件為(G > R+tl 禾口 G > B+t2)或((R-G) < t3)或(R > t4 和 G > t4 和 B > t4) tl = 0、t2 = 0、t3 = 10、t4 = 200
通過以上三種分類方法，可以把作物冠層數(shù)字圖像分為土壤背景和綠色植被兩類，轉(zhuǎn)換成二值圖像。圖7為接收到的原始玉米冠層圖像，圖8為分類之后得到的二值圖像，其中白色代表綠色玉米，黑色代表土壤空隙。對照圖7和8可以看出原始玉米冠層圖像被精確的分為玉米和土壤背景兩類，值得指出的是在華北平原采用秸稈還田的種植方式，秸稈和土壤混雜的背景增加了分類的復(fù)雜度，實(shí)驗(yàn)表明本發(fā)明提出的分類方法精度能夠滿足應(yīng)用要求。優(yōu)選地，在分類生成二值圖像之前，還包括預(yù)處理步驟，對接收到的原始圖像數(shù)據(jù)進(jìn)行圖像處理，包括圖像裁剪，糾正相片的幾何變形和光照非均勻等。 2、提取間隙率、間隙尺寸、聚集指數(shù)。由參數(shù)提取模塊針對生成的二值圖像提取間隙率、間隙尺寸、聚集指數(shù)。本發(fā)明的提取間隙率、間隙尺寸、聚集指數(shù)的方法與后面葉面積指數(shù)的計(jì)算方法有密切聯(lián)系。本發(fā)明的葉面積指數(shù)計(jì)算方法包括兩種方法改進(jìn)的Lang&Xiang方法和改進(jìn)的 Chen&Chilar 方法。Lang&Xiang葉面積指數(shù)(LAILX)方法參見“A. R. G. Lang,項(xiàng)月琴.從太陽直接輻射透過率推算非連續(xù)冠層的葉面積指數(shù)，[M]農(nóng)業(yè)生態(tài)環(huán)境研究，氣象出版社”。其從理論上和經(jīng)驗(yàn)上討論了冠層中存在大空隙情況下葉面積指數(shù)的推算問題。解決的關(guān)鍵是在整個(gè)測量路徑上分段求間隙率。該理論假定在分段路徑上葉片服從泊松分布，如果統(tǒng)計(jì)區(qū)變?yōu)槊?，則分段路徑轉(zhuǎn)化為單元格。本發(fā)明對Lang&Xiang方法進(jìn)行了改進(jìn)，自動(dòng)確定圖像分割單元的尺寸，需要輸入觀測天頂角。Lang&Xiang理論假定在分段路徑上葉片服從泊松分布，Chen等認(rèn)為這一假設(shè)在實(shí)際中不能完全滿足，同時(shí)認(rèn)為統(tǒng)計(jì)空隙尺寸對于葉面積指數(shù)估算精度的提高很有意義。 因此提出了 Chen&Chilar葉面積指數(shù)(LAICC)方法，其基于植被冠層間隙尺寸分析理論提高了葉面積指數(shù)光學(xué)儀器測量精度?；谶@套理論Chen發(fā)明了 TRAC儀器，理論上它可以用于測量非均勻冠層的葉面積指數(shù)(見“JingM.Chen，JosefChilar, Plant canopy gap-size analysis theory for improving opticalmeasurements of leaf-area index, [J]，Applied Optics, 1995，34 (27)，6211-6222”)，實(shí)際應(yīng)用中多用于森林葉面積指數(shù)的測量。自然界中的植被冠層多是聚集的，在相同的葉面積指數(shù)條件下，聚集的冠層比隨機(jī)分布的冠層更可能出現(xiàn)大尺寸空隙，或者可以認(rèn)為對于隨機(jī)分布的冠層存在一個(gè)可能出現(xiàn)的最大空隙尺寸，那么超過這個(gè)尺寸的空隙就認(rèn)為是由聚集效應(yīng)造成的。這些大尺寸的空隙增大了冠層間隙率，并影響了葉面積指數(shù)的間接測量。現(xiàn)在的問題轉(zhuǎn)化為確定隨機(jī)冠層出現(xiàn)的最大空隙尺寸。本發(fā)明的方法對去除大尺寸間隙的方法進(jìn)行優(yōu)化，提出了改進(jìn)的 Chen&Chilar葉面積指數(shù)方法。間隙率(gap fraction)是太陽直射光透過植被冠層到達(dá)地面的概率。在數(shù)碼圖像中為一定統(tǒng)計(jì)區(qū)域內(nèi)黑色像元(土壤和背景)的比例。對于后面所述的改進(jìn)Lang&Xiang 葉面積指數(shù)計(jì)算需要間隙率信息。將圖像分割為小的單元格，統(tǒng)計(jì)每個(gè)單元格的間隙率。從二值圖像的數(shù)據(jù)特點(diǎn)看，利用正方形窗口統(tǒng)計(jì)整幅圖像在各單元格的間隙率比較合理。二值圖像中綠色葉片的取值為255，土壤背景的取值為0，從二值圖像統(tǒng)計(jì)間隙率的公式為
權(quán)利要求
1.一種葉面積指數(shù)自動(dòng)觀測系統(tǒng)，包括葉面積指數(shù)自動(dòng)觀測服務(wù)器，包括二值圖像生成模塊、參數(shù)提取模塊、葉面積指數(shù)計(jì)算模塊，其中二值圖像生成模塊用于把數(shù)據(jù)采集裝置獲取的作物冠層數(shù)字圖像分類成二值圖像，所述參數(shù)提取模塊用于從二值圖像提取間隙率、間隙尺寸、聚集指數(shù)，所述葉面積指數(shù)計(jì)算模塊用于根據(jù)提取的信息參數(shù)計(jì)算葉面積指數(shù)；數(shù)據(jù)采集裝置，包括用于供電的太陽能智能發(fā)電系統(tǒng)，采集作物數(shù)字圖像的攝像頭傳感器、用于傳輸數(shù)據(jù)的數(shù)傳模塊、以及用于接收采集的數(shù)據(jù)并通過輸出模塊傳輸?shù)剿鋈~面積指數(shù)自動(dòng)觀測服務(wù)器的數(shù)據(jù)采集板。
2.根據(jù)權(quán)利要求1所述的葉面積指數(shù)自動(dòng)觀測系統(tǒng)，其中所述二值圖像生成模塊包括改進(jìn)的K-均值分類模塊，所述K-均值分類模塊根據(jù)選定的分類個(gè)數(shù)自動(dòng)分為多類，然后根據(jù)各類波段均值進(jìn)行閾值處理，合并為綠色植被和土壤及背景兩類，從而轉(zhuǎn)為二值圖像。
3.根據(jù)權(quán)利要求1所述的葉面積指數(shù)自動(dòng)觀測系統(tǒng)，其中所述二值圖像生成模塊包括自動(dòng)閾值分類模塊，所述自動(dòng)閾值分類模塊根據(jù)對RGB彩色空間的紅、綠、藍(lán)三個(gè)波段和 HSL彩色空間中的色度設(shè)定閾值，來將圖像分類為綠色植被和土壤及背景兩類從而轉(zhuǎn)為二值圖像。
4.根據(jù)權(quán)利要求1所述的葉面積指數(shù)自動(dòng)觀測系統(tǒng)，其中所述二值圖像生成模塊包括分塊閾值分類模塊，所述分塊閾值分類模塊將原圖像變成均勻的圖斑分類，然后利用波段閾值將圖像分類為綠色植被和土壤及背景兩類從而轉(zhuǎn)為二值圖像。
5.根據(jù)權(quán)利要求2-4中任意一項(xiàng)所述的葉面積指數(shù)自動(dòng)觀測系統(tǒng)，其中，基于改進(jìn)的 Lang&Xiang方法，所述參數(shù)提取模塊確定小區(qū)面積ΔΑ，在每一種統(tǒng)計(jì)小區(qū)面積下按單元格統(tǒng)計(jì)每個(gè)小區(qū)的間隙率已砠(9)，其中ΔΑ取值為AL的整數(shù)倍且小于圖像面積，AL表示葉片平均投影面積或者葉片平均寬度。
6.根據(jù)權(quán)利要求5所述的葉面積指數(shù)自動(dòng)觀測系統(tǒng)，其中基于改進(jìn)的Lang&Xiang方法，所述參數(shù)提取模塊將所有統(tǒng)計(jì)小區(qū)的間隙率的平均值取對數(shù)除以所有小區(qū)間隙率的對數(shù)的平均值，來計(jì)算得到所述聚集指數(shù)
7.根據(jù)權(quán)利要求6所述的葉面積指數(shù)自動(dòng)觀測系統(tǒng)，其中基于改進(jìn)的Lang&Xiang方法，所述葉面積指數(shù)計(jì)算模塊根據(jù)如下公式計(jì)算中葉面積指數(shù)
8.根據(jù)權(quán)利要求2-4中任意一項(xiàng)所述的葉面積指數(shù)自動(dòng)觀測系統(tǒng)，其中基于改進(jìn)的 Chen&Chilar方法，所述參數(shù)提取模塊統(tǒng)計(jì)數(shù)碼圖像中一行內(nèi)連續(xù)黑色像元的像素?cái)?shù)，統(tǒng)計(jì)所有的圖像行，然后對相同尺寸的空隙出現(xiàn)的次數(shù)進(jìn)行加和，并求出每一種尺寸空隙在整幅圖像中出現(xiàn)的頻率，將所有的間隙尺寸由大到小排序并將其各自的頻率加和構(gòu)建圖像的間隙尺寸分布曲線FmU)，λ代表間隙尺寸。
9.根據(jù)權(quán)利要求8所述的葉面積指數(shù)自動(dòng)觀測系統(tǒng)，其中，基于改進(jìn)的Chen&Chilar方法，所述參數(shù)提取模塊根據(jù)獲得的間隙尺寸在圖像統(tǒng)計(jì)并構(gòu)建間隙尺寸分布曲線后，曲線上間隙尺寸為0時(shí)的值即為間隙率Fm(O)，其等價(jià)于Ρ( θ )。
10.根據(jù)權(quán)利要求9所述的葉面積指數(shù)自動(dòng)觀測系統(tǒng)，其中基于改進(jìn)的Chen&Chilar 方法，所述參數(shù)提取模塊利用誤差分析方法確定Wp和迭代終止的條件，構(gòu)建去除大尺寸間隙的間隙尺寸分布曲線Fmr(λ)代表間隙尺寸，在曲線上間隙尺寸為0時(shí)的值為模擬隨機(jī)冠層的間隙率Fm(0)，結(jié)合已計(jì)算出的所述間隙率Fm(O)來計(jì)算所述聚集指數(shù)
11.根據(jù)權(quán)利要求10所述的葉面積指數(shù)自動(dòng)觀測系統(tǒng)，其中基于改進(jìn)的Chen&Chilar 方法，所述葉面積指數(shù)計(jì)算模塊根據(jù)如下公式計(jì)算中葉面積指數(shù)
12.—種葉面積指數(shù)自動(dòng)觀測方法，包括把數(shù)據(jù)采集裝置獲取的作物冠層數(shù)字圖像分類成二值圖像；從二值圖像提取間隙率、間隙尺寸、聚集指數(shù)；根據(jù)提取的信息參數(shù)計(jì)算葉面積指數(shù)。
13.根據(jù)權(quán)利要求12所述的葉面積指數(shù)自動(dòng)觀測方法，其中分類方法包括K-均值分類方法，所述K-均值分類方法根據(jù)選定的分類個(gè)數(shù)自動(dòng)分為多類，然后根據(jù)各類波段均值進(jìn)行閾值處理，合并為綠色植被和土壤及背景兩類，從而轉(zhuǎn)為二值圖像。
14.根據(jù)權(quán)利要求12所述的葉面積指數(shù)自動(dòng)觀測方法，其中分類方法包括自動(dòng)閾值分類方法，所述自動(dòng)閾值分類方法根據(jù)對RGB彩色空間的紅、綠、藍(lán)三個(gè)波段和HSL彩色空間中的色度設(shè)定閾值，來將圖像分類為綠色植被和土壤及背景兩類從而轉(zhuǎn)為二值圖像。
15.根據(jù)權(quán)利要求12所述的葉面積指數(shù)自動(dòng)觀測方法，其中分類方法包括分塊閾值分類方法，所述分塊閾值分類方法將原圖像變成均勻的圖斑分類，然后利用波段閾值將圖像分類為綠色植被和土壤及背景兩類從而轉(zhuǎn)為二值圖像。
16.根據(jù)權(quán)利要求13-15中任意一項(xiàng)所述的葉面積指數(shù)自動(dòng)觀測方法，基于改進(jìn)的 Lang&Xiang方法確定小區(qū)面積△ A，在每一種統(tǒng)計(jì)小區(qū)面積下按單元格統(tǒng)計(jì)每個(gè)小區(qū)的間隙率Ρ。ε11(θ)，其中ΔΑ取值為AL的整數(shù)倍且小于圖像面積，AL表示葉片平均投影面積或者葉片平均寬度。
17.根據(jù)權(quán)利要求16所述的葉面積指數(shù)自動(dòng)觀測方法，基于改進(jìn)的Lang&Xiang方法， 將所有統(tǒng)計(jì)小區(qū)的間隙率的平均值取對數(shù)除以所有小區(qū)間隙率的對數(shù)的平均值，來計(jì)算得到所述聚集指數(shù)
18.根據(jù)權(quán)利要求17所述的葉面積指數(shù)自動(dòng)觀測方法，其中基于改進(jìn)的Lang&Xiang方法，根據(jù)如下公式計(jì)算所述葉面積指數(shù)
19.根據(jù)權(quán)利要求13-15中任意一項(xiàng)所述的葉面積指數(shù)自動(dòng)觀測方法，其中，基于改進(jìn)的Chen&Chilar方法，統(tǒng)計(jì)數(shù)碼圖像中一行內(nèi)連續(xù)黑色像元的像素?cái)?shù)，統(tǒng)計(jì)所有的圖像行， 然后對相同尺寸的空隙出現(xiàn)的次數(shù)進(jìn)行加和，并求出每一種尺寸空隙在整幅圖像中出現(xiàn)的頻率，將所有的間隙尺寸由大到小排序并將其各自的頻率加和構(gòu)建圖像的間隙尺寸分布曲 ^Fffl(A), λ代表間隙尺寸。
20.根據(jù)權(quán)利要求19所述的葉面積指數(shù)自動(dòng)觀測方法，其中基于改進(jìn)的Chen&Chilar 方法，根據(jù)獲得的間隙尺寸在圖像統(tǒng)計(jì)并構(gòu)建間隙尺寸分布曲線后，曲線上間隙尺寸為0 時(shí)的值即為間隙率Fm(O)，其等價(jià)于Ρ( θ )。
21.根據(jù)權(quán)利要求20所述的葉面積指數(shù)自動(dòng)觀測方法，其中基于改進(jìn)的Chen&Chilar方法，利用誤差分析確定Wp和迭代終止的條件，構(gòu)建去除大尺寸間隙的間隙尺寸分布曲線Fmr(A), λ代表間隙尺寸，在曲線上間隙尺寸為0時(shí)的值為模擬隨機(jī)冠層的間隙率F (0)，結(jié)合已計(jì)算出的所述間隙率Fm(O)來計(jì)算所述聚集指數(shù)
22.根據(jù)權(quán)利要求21所述的葉面積指數(shù)自動(dòng)觀測方法，其中基于改進(jìn)的Chen&Chilar 方法，根據(jù)如下公式計(jì)算中葉面積指數(shù)
全文摘要
一種葉面積指數(shù)自動(dòng)觀測系統(tǒng)及其方法，所述系統(tǒng)包括數(shù)據(jù)采集裝置；以及葉面積指數(shù)自動(dòng)觀測服務(wù)器，其包括二值圖像生成模塊、參數(shù)提取模塊、葉面積指數(shù)計(jì)算模塊，其中二值圖像生成模塊用于把數(shù)據(jù)采集裝置獲取的作物冠層數(shù)字圖像分類成二值圖像，所述參數(shù)提取模塊用于從二值圖像提取間隙率、間隙尺寸、聚集指數(shù)參數(shù)，所述葉面積指數(shù)計(jì)算模塊用于根據(jù)提取的信息參數(shù)計(jì)算葉面積指數(shù)。本發(fā)明的系統(tǒng)實(shí)現(xiàn)了葉面積指數(shù)間接測量方法。相比于現(xiàn)有技術(shù)，本發(fā)明可用于野外遠(yuǎn)程獲取圖片，滿足野外復(fù)雜條件下的圖像分類，分類精度可靠，分類結(jié)果更加準(zhǔn)確。從二值圖像統(tǒng)計(jì)間隙率、間隙尺寸和聚集指數(shù)等信息，可以進(jìn)行更深入的分析，計(jì)算出葉面積指數(shù)。
文檔編號(hào)G01B11/28GK102538717SQ201010614389
公開日2012年7月4日 申請日期2010年12月30日 優(yōu)先權(quán)日2010年12月30日
發(fā)明者嚴(yán)科, 劉強(qiáng), 夏江周, 李秀紅, 楊細(xì)方, 程曉 申請人:北京師范大學(xué), 北京極奧緯博信息科技有限公司