基于数字图像的夏玉米长势远程监测系统研究

摘 要:本文利用基于嵌入式网络技术和CDMA服务的远程农田信息监控系统获取夏玉米长势的实时图像,以数字图像处理技术为手段,实现夏玉米株高的远程实时动态监测,为夏玉米的精准管理、数字化管理提供技术支撑。

关键词:夏玉米 动态监测 数字图像 株高

中图分类号:TP31 文献标识码:A 文章编号:1672-3791(2011)09(a)-0169-02

随着计算机技术,尤其是图形图像处理技术的迅猛发展,使得用计算机视觉技术进行作物长势的自动化监测成为可能,该方法能解决一些手工测定难以解决的问题,尤其是计算机有着比人眼更精确的分辨能力,使其在农业中发挥着巨大的作用。本文利用基于嵌入式网络技术和CDMA服务的远程农田信息监控系统作为工具来实现夏玉米长势的实时图像获取和信息的远程自动无线传输,在终端计算机上进行相应的数字图像处理和分析,根据计算结果对夏玉米的长势远程实时动态监测,为夏玉米的精准管理、数字化管理提供技术支撑。

1系统设计与实现

1.1 长势实时图像获取

夏玉米长势的实时图像由嵌入式网络技术和CDMA服务的远程农田信息监控系统来采集。该监控系统由现场监控服务器和远程信息服务器组成。现场监控服务器由视频模块、传感模块、电源模块、通讯模块所组成。视频模块包括架设在一定高度的双目CCD摄像头和视频服务器组成,实现了对植物信息的数字图像化动态获取。传感模块利用嵌入网络式芯片来获取温度、湿度、地温、土壤水分等土壤和环境参数。远程信息服务器由VPN路由器和终端服务计算机组成。该系统通过带有VPN功能的CDMA设备与中国农业科学院国家测土施肥实验室终端服务器端的VPN路由器之间建立基于Ipsec的VPN通道后,利用终端服务器端的AGENT程序即可存储传输过来的动态图像。

1.2 株高测量系统

本系统用双目立体视觉技术实现对夏玉米的株高测量,一般采用的方法是两个摄像机以不同角度同时拍摄目标物体,获取目标物体及周围景物的两幅数字图像后,基于视差原理,在已知两摄像机位置关系的基础上,恢复出目标物体的三维空间信息,并进一步重建目标物体的三维形状与空间位置。

1.2.1 摄像机标定

双目立体视觉系统经过摄像机获取三维目标物体的二维图像,这个过程经历了四个不同坐标系之间的变换。首先,从世界坐标系变换为摄像机坐标系,然后由摄像机坐标系变换到无失真的图像坐标系,再由无失真的图像坐标系变换到带有切向畸变的实际图像坐标系,最后由带有切向畸变的实际图像坐标系变换到计算机图像坐标系。摄像机标定法有线性法、非线性法、两步法等。本系统采用线性法进行标定,为了三维标定和测量的方便,在监控区域增设四根摄像机标定杆和一根高度标定杆,采用采集标定杆图像的方法对摄像机进行标定。如图1所示。

利用VisualC++编程,提取各标定点在左右图像对中的图像坐标,同时输入世界坐标与之相对应,系统利用最小二乘法即可求出透视投影矩阵,摄像机的内参和外参就包含在矩阵当中,即CLB格式文件中。存储在一定的路径下,作为后续三维合成过程中的文件输入。

1.2.2 图像预处理与特征提取

由光学成像系统生成的二维图像,包含各种随机噪声和畸变,因此需要对原始图像进行预处理,突出有用信息,抑制无用信息,改善图像的质量。本系统对获取的图像采用了图像分割与噪声去除方法。对于绿色作物与背景的分割而言,通常有两种比较好的分割因子。一种是色彩分割因子2G-R-B;另一种是将R,G,B值归一化后得到r,g,b后再用2g-r-b处理。此处采用(2G-R-B)来灰度化生长前期夏玉米图像,然后再用最大类间方差法自动寻找阐值分割图像,结果发现此灰度图能够较容易的分割出目标。如图2所示。

彩色图像灰度化后使用中值滤波去噪,因为图像在采集、传输的过程中引入了大量的杂点,噪声的去除使得后续的图像分割更加容易进行,且图像分割后使用了膨胀与腐蚀去噪,因为图像在分割过程中又引入了大量的椒盐噪声,会阻碍后续的特征提取、图像分析的进行。

1.2.3 双目立体视觉系统的立体匹配与三维重建

立体匹配指根据所选特征的计算,建立特征间的对应关系,将同一空间实体点在不同图像中的映像点对应起来,由此得到相应的视差图像,然后根据三角关系获得景物的深度。本系统采用对左右视觉区域进行网格化匹配处理,把测量区域划分为mxm网格。如图3所示。

从图3中可以看出,黄色箭头所指这个网格,尽管在左右图像中的位置不一样,但是它在世界坐标系下代表同一区域,具有唯一的三维坐标,这为立体匹配提供了依据。在二值化图像中,白色代表作物,黑色代表背景,对白色区域网格进行匹配。对于全为白色像素的网格,直接进行匹配。对于不全为白色像素的网格,设置了这样的匹配准则,计算各个网格中白色像素数占其网格区域总像素数的比例,如果左右图像对应网格中的像素比例都大于设定值(例如0.5),则判定该网格为需要匹配的网格,否则作为背景放弃匹配。

对上述匹配成功的网格进行三维重建,网格的大小会随着网格数量的变化而变化,给三维重建增添了难度。本系统采取提取每个子网格的质心,然后对质心进行三维重建。子网格质心坐标(Xc,Yc)表达式为,其中,n为子网格中白色像素的个数,和为白色像素的在图像中的坐标。通过计算得到(Xc,Yc)值,即网格的质心图像坐标。结合标定好的摄像机参数,即可获得质心点的三维空间坐标,达到了三维重建的目的。通过求取重建后的子网格质心的Y坐标平均值,得到玉米作物的株高。

2实验结果

本试验以m=20,40进行比较,即把投影区域划分为400,1600个网格进行测验,用以寻求恰当的m值。同时投影面上显示的绿色部分,不仅包括顶层作物,还包括未被顶层作物所摘挡的中下层作物。把Y区域分为0.1,0.25,0.5,0.75,1五个区间,依次来测量株高数据。图4为夏玉米株高的计算机解析结果。

3结语

本系统以数字图像处理技术为手段来解析夏玉米的株高信息,实现长势的远程实时动态监测,在相关生育期进行株高的田间实际测量,然后用计算机解析夏玉米生育期数字图像,并利用相关算法得出株高信息,将田间实测结果与图像解析结果相对照,检验结果表明该系统解析的株高具有较高的精度,能够用来监测夏玉米的株高信息。但是作物的生长过程是一个非常复杂的过程,真正实现作物长势的动态监测还需要做很多的工作。可以预见多种技术的融合和相关专家系统的研究,势必对作物长势监测研究起到积极的促进作用。