一種抗密集雜草干擾的田間作物行提取方法
【技術領域】
[0001] 本發明涉及圖像處理以及識別技術，特別涉及一種抗密集雜草干擾的田間作物行 提取方法。
【背景技術】
[0002] 農用車輛自動導航、輔助導航能有效降低農民工作強度，提高農業生產效率，減少 農藥中毒、皮膚曬傷等農業事故的發生，并能促進精細農業發展。其中基于機器視覺的農用 車輛自動導航、輔助導航方法因獲得信息量豐富、使用靈活、體積小、能耗低被廣泛采用。
[0003] 作物行提取是農田導航實現的關鍵步驟，一些研宄者提出采用正、余弦模版匹配 的方法獲取作物行，這類方法需事先知道農田結構，如作物行寬、圖像中的作物行數等，不 僅假定田間少雜草或無雜草，并要求作物行上的作物生長密集。
[0004] 還有些研宄者采用具有很好的容錯性和較好抗雜草干擾能力的Hough變換提取 作物行，但當雜草較密集，尤其分布較均勻時，Hough變換正確提取作物行的能力大大減弱。
[0005] 最小二乘法及一元線性回歸法是農田作物行提取中應用廣泛的另一種方法，能在 一定程度上克服斷壟影響，實時性好于Hough變換，但也對雜草等噪聲敏感。采用兩次最大 類間方差（簡稱Otsu)分割法可提高作物行提取過程去除雜草的能力，但當雜草和作物顏 色區別不大、或光照不勻、或有陰影，或農田中不僅含有一種雜草時，雜草去除效果大打折 扣。依據雜草和作物產生主頻的差異，實現雜草去除的方法，對主頻和作物相似的雜草去除 效果不佳。
[0006] 采用otsu和小波變換相配合去除雜草的方法，能很好的提高雜草去除率，申請公 布號CN103914848A的專利文獻公開了一種基于小波變換及最大類間方差的農田圖像分 割方法，首先將采集的RGB空間的農田圖像轉換到HIS空間，然后進行作物所在小波分解層 的判定；再是判定主要作物信息所在的小波分解層；最后是進一步在分割圖像上進行導航 線提取或障礙物檢測。上述發明充分利用作物和干擾在頻率、顏色等方面的差異，實現作物 信息提取，實現過程抗密集雜草干擾能力良好，為農田導航后續導航線提取、障礙物檢測打 下良好基礎。
[0007] 但其采用的作物行交替判定方法對作物斷壟、缺株敏感，且對采集的農田圖像無 論有無雜草都進行相同的雜草去除操作，不僅不利于作物行提取過程實時性的提高，其間 用到的小波變換算法還會造成不必要的作物信息損失。

【發明內容】

[0008] 本發明提供了一種抗密集雜草干擾的田間作物行提取方法，充分考慮非綠色噪 聲、雜草和作物在顏色和頻率兩方面的區別，并利用作物按作物行排列的分布特點，實現雜 草的有效去除、提高作物行提取過程的魯棒性。
[0009] -種抗密集雜草干擾的田間作物行提取方法，包括以下步驟：
[0010] (1)將待提取圖像轉換成去除非綠色噪聲的灰度圖像；
[0011] (2)判斷步驟（1)獲得的灰度圖像中是否存在雜草，如果不存在雜草，則進入步驟 (3);如果存在雜草，則進入步驟（4);
[0012] (3)對步驟（1)獲得的灰度圖像進行Otsu分割得到結果圖像，根據結果圖像得到 各作物行的中心線；
[0013] (4)對步驟（1)獲得的灰度圖像中像素值非零的像素進行Otsu分割，小于分割閾 值的像素值置零，大于等于閾值的像素值保留原值，生成新的灰度圖像；
[0014] 通過這一步能將和作物顏色相似但不同的雜草去除，同時提高和作物顏色可分性 低的密集雜草的頻率辨識度，這是因為密集雜草容易發生葉片相互遮擋，遮擋處的顏色和 未發生遮擋的顏色略有不同，當作物和雜草顏色不可分時，通過Otsu分割能將遮擋、未遮 擋區域的顏色差異體現出來，從而將因遮擋發生的重疊葉片分離開，使它們成為獨立體，從 而能更好的通過后續的小波變換體現出葉片主頻。
[0015] (5)對步驟⑷生成的灰度圖像進行小波去噪，得到去除雜草的作物層；
[0016] (6)對步驟（5)獲得的作物層中的非零像素值進行Otsu分割；
[0017] (7)對步驟（6)獲得的圖像進行團塊噪聲濾除操作，得到結果圖像，根據結果圖像 得到各作物行的中心線。
[0018] 本發明方法中，增加了雜草判定條件，當圖像中無雜草或極少雜草時，增加的雜草 有無判定操作能節省雜草去除的時間；而當有較多雜草時，增加的這步操作而增加的處理 時間很少；而當沒有雜草這類綠色干擾時，僅otsu分割方法就能很好的去除和作物顏色不 同的噪聲，不需進一步的小波去噪，節省提取時間；且通過利用Otsu法和小波分解相配合 提高農田圖像分割過程的抗雜草干擾能力，同時改進小波分解后選取作物層的方式，提高 作物行驗證過程的魯棒性。
[0019] 為了提高小波去噪過程去除雜草的效果，從而提高作物層提取效果，優選的，在步 驟（5)中，對步驟（4)生成的灰度圖像進行小波去噪的具體步驟如下：
[0020] 5-1、對步驟（4)生成的灰度圖像進行x級小波分解，x多5,將分解后的頻率最高 的細節小波分解層稱為第1級小波分解層，隨著頻率的降低依次將分解后的細節小波分解 層稱為2到x級小波分解層；
[0021] 計算2~x級小波分解層的頻率總量，選取頻率總量最大的N級小波分解層進行 下述操作，N多2 ;小波分解的頻率最高的小波分解層主要是各種邊緣信息，不能有效表達 作物特征，所以計算頻率總量時不考慮。
[0022] 5-2、先選取頻率總量最大的小波分解層；
[0023] 5-3、對選取的小波分解層進行小波重構，然后將小波重構后的圖像的像素值按行 求和，將像素值和存到行向量氏中；
[0024] 5-4、掃描行向量氏中像素值和的大小，獲取多個極值點；
[0025] 5-5、計算步驟5-4獲取的每一極值點對應的圖像行的像素的平均值，以平均值作 為閾值對這一行像素進行二值分割，統計這一行中黑色線段的數量，并計算組成每一黑色 線段的像素數，保留像素數大于等于選定閾值的黑色線段，所述選定閾值為待提取圖像寬 度的1/20~1/15 ;
[0026] 5-6、根據待提取圖像由遠到近地順序來比較每行中黑色線段的數量，如果數量依 次遞減或和前面相鄰行的相同，判斷為有作物行交替，則將該經小波重構的小波分解層作 為作物層，并進入步驟（6);否則選取頻率總量小一級的小波分解層進行步驟5-3~5-6的 操作，如果N級小波分解層都無法作為作物層，則進入步驟5-7 ;
[0027] 5-7、選擇滿足黑色線段的數量依次遞減或和前面相鄰行的相同關系最多的小波 重構后的圖像作為目標圖像；
[0028] a、將目標圖像中不符合依次遞減且不符合和前面相鄰行相同的要求的行的位置 記錄下來，將記錄下來的行到其它小波重構后的圖像上驗證對應行的黑色線段數量是否也 不滿足目標圖像的依次遞減且不符合和前面相鄰行相同的要求，如不滿足，選定目標圖像 作為作物層；
[0029] b、否則再對其它選定的N級小波分解層對應的小波重構后的圖像，依照滿足黑色 線段的數量依次遞減或和前面相鄰行的相同關系最多到最少的順序依次作為目標圖像，重 復步驟a，直到滿足條件，選定目標圖像作為作物層，如果重復N-1次后仍無法滿足條件，則 進入步驟5-8 ;
[0030] 5-8、計算選定的N級小波分解層進行小波重構得到的小波重構后的圖像中行上 黑色線段數量最大值與最小值的差異，選取差異不是最大而且滿足黑色線段的數量依次遞 減關系數量不是最小的圖像作為作物層。
[0031] 通過圖像遠端到近端對應的黑色線段數量依次遞減或和前面相鄰行的相同來判 斷選定作物層，是因為圖像遠端收入的作物行數量多于近端，所以表達作物行間信息的黑 色線段數量要多。
[0032] 優選的，N= 3,選頻率總量最多的前3級主要是考慮到，雖多數情況下農田作物占 有數量上的優勢，相比其它物體會在對應小波分解層上產生更多的頻率信息，但有些時候 雜草特別密集，其產生頻率總量可能超過作物，或者較密集雜草、作物產生的非主頻信息疊 加在同一小波分解層上，也可能使產生的頻率總量超過作物，同時考慮到一些不可預知因 素，并綜合考慮算法執行實時性的要求，選頻