CN106295543A - 多光谱图像获取装置、植被监测方法和装置 - Google Patents

多光谱图像获取装置、植被监测方法和装置 Download PDF

Info

Publication number
CN106295543A
CN106295543A CN201610635027.7A CN201610635027A CN106295543A CN 106295543 A CN106295543 A CN 106295543A CN 201610635027 A CN201610635027 A CN 201610635027A CN 106295543 A CN106295543 A CN 106295543A
Authority
CN
China
Prior art keywords
vegetation
image
pixel
picture
monitored
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610635027.7A
Other languages
English (en)
Inventor
刘鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGZHOU XAIRCRAFT ELECTRONIC TECHNOLOGY Co Ltd
Original Assignee
GUANGZHOU XAIRCRAFT ELECTRONIC TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GUANGZHOU XAIRCRAFT ELECTRONIC TECHNOLOGY Co Ltd filed Critical GUANGZHOU XAIRCRAFT ELECTRONIC TECHNOLOGY Co Ltd
Priority to CN201610635027.7A priority Critical patent/CN106295543A/zh
Publication of CN106295543A publication Critical patent/CN106295543A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Processing (AREA)

Abstract

本发明提出一种多光谱图像获取装置、植被监测方法和装置。其中，该植被监测方法包括：接收多光谱图像获取装置所采集的待监测区域的第一图像和第二图像，其中，第一图像是以第一波长区间采集的图像，第二图像是以第二波长区间采集的图像；根据第一图像和第二图像中像素点的灰度值确定像素点对应的植被生长指数；以及根据像素点的植被生长指数和预设阈值确定待监测区域的植被健康状况。本发明实施例的植被监测方法，可以精确地判断待监测区域内植被的健康和生长情况，同时降低了监测成本。

Description

多光谱图像获取装置、植被监测方法和装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种多光谱图像获取装置、植被监测方法和装置。
背景技术
现有对野外农田里的植被进行监测的方法主要是利用卫星遥感和航空摄影来获取植被的图像，进而判断植被的健康和长势，或者通过在地面拍照获取植被的图像进而进行分析。
然而，目前存在的问题是，由于卫星遥感和航空摄影获取图像的面积广泛，仅适宜做大面积的植被长势的判断，但是卫星遥感和航空拍摄获取的图像分辨率较低，无法精确的获取具体地点的植被的健康和长势。此外，在地面拍照获得的彩色图像难以通过自动识别的手段来对植被的健康和长势进行判断。因此，现有的监测方法均在不同程度上未能满足需求。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的第一个目的在于提出一种植被监测方法，该植被监测方法可以精确地判断待监测区域内植被的健康和生长情况，同时降低了监测成本。
本发明的第二个目的在于提出一种植被监测装置。
本发明的第三个目的在于提出一种多光谱图像获取装置。
为达上述目的，本发明第一方面实施例提出了一种植被监测方法，包括：接收本发明第三方面实施例的多光谱图像获取装置所采集的待监测区域的第一图像和第二图像；根据所述第一图像和所述第二图像中像素点的灰度值确定所述像素点对应的植被生长指数；以及根据所述像素点的植被生长指数和预设阈值确定所述待监测区域的植被健康状况。
本发明实施例的植被监测方法，通过获取待监测区域的两个不同波段的图像，并根据这两个不同波段的图像中同一个像素点的灰度值确定像素点的植被生长指数，进而根据像素点的植被生长指数判断待监测区域的植被健康状况，从而可以精确地判断待监测区域内植被的健康和生长情况，同时降低了监测成本。
进一步地，在本发明的一个实施例中，所述根据所述第一图像和所述第二图像中像素点的灰度值确定所述像素点对应的植被生长指数，包括：分别从所述第一图像和所述第二图像中获取坐标相同的像素点；获取所述坐标相同的像素点在所述第一图像中的第一灰度值，并获取所述坐标相同的像素点在所述第二图像中的第二灰度值；以及根据所述第一灰度值和第二灰度值计算所述坐标相同的像素点对应的植被生长指数。
其中，在本发明的一个实施例中，根据以下公式计算所述坐标相同的像素点对应的植被生长指数：其中，α为植被生长指数，IN为第二图像中像素点对应的第二灰度值，IR为第一图像中像素点对应的第一灰度值。
进一步地，在本发明的一个实施例中，所述根据所述像素点的植被生长指数和预设阈值确定所述待监测区域的植被健康状况，包括：若所述像素点的植被生长指数大于所述预设阈值，则判断所述像素点对应的植被处于健康状况；以及若所述像素点的植被生长指数不大于所述预设阈值，则判断所述像素点对应的植被处于不健康状况。
在本发明的一个实施例中，在所述根据所述像素点的植被生长指数和预设阈值确定所述待监测区域的植被健康状况之后，还包括：将所述待监测区域的植被健康状况发送至用户。
进一步地，在本发明的一个实施例中，所述将所述待监测区域的植被健康状况发送至用户，包括：对植被处于不健康状况的像素点进行图像处理，其中，所述图像处理包括对所述植被处于不健康状况的像素点进行聚类和/或边缘提取；根据所述图像处理后的像素点确定所述处于不健康状况的植被对应的至少一个区域范围；以及获取所述至少一个区域范围的地理坐标，并将所述至少一个区域范围的地理坐标发送至所述用户。
在本发明的一个实施例中，在所述根据所述第一图像和所述第二图像中像素点的灰度值确定所述像素点对应的植被生长指数之前，还包括：判断所述第一图片和/或所述第二图片是否满足预设要求，其中，对所述第一图片和/或所述第二图片进行直方图统计，判断所述直方图统计后的像素值是否大于预设阈值，在所述像素值大于预设阈值时，判断所述第一图片和/或所述第二图片满足预设要求，在所述像素值不大于所述预设阈值时，重新拍摄所述第一图像和/或所述第二图像。
为达上述目的，本发明第二方面实施例提出了一种植被监测装置，包括：接收模块，用于接收本发明第三方面实施例的多光谱图像获取装置所采集的待监测区域的第一图像和第二图像；第一确定模块，用于根据所述第一图像和所述第二图像中像素点的灰度值确定所述像素点对应的植被生长指数；以及第二确定模块，用于根据所述像素点的植被生长指数和预设阈值确定所述待监测区域的植被健康状况。
进一步地，在本发明的一个实施例中，所述第一确定模块包括：第一获取子模块，用于分别从所述第一图像和所述第二图像中获取坐标相同的像素点；第二获取子模块，用于获取所述坐标相同的像素点在所述第一图像中的第一灰度值，并获取所述坐标相同的像素点在所述第二图像中的第二灰度值；以及计算子模块，用于根据所述第一灰度值和第二灰度值计算所述坐标相同的像素点对应的植被生长指数。
其中，在本发明的一个实施例中，根据以下公式计算所述坐标相同的像素点对应的植被生长指数：其中，α为植被生长指数，IN为第二图像中像素点对应的第二灰度值，IR为第一图像中像素点对应的第一灰度值。
进一步地，在本发明的一个实施例中，所述第二确定模块包括：第一判断子模块，用于在所述像素点的植被生长指数大于所述预设阈值时，判断所述像素点对应的植被处于健康状况；以及第二判断子模块，用于在所述像素点的植被生长指数不大于所述预设阈值时，判断所述像素点对应的植被处于不健康状况。
在本发明的一个实施例中，所述植被监测装置还包括：发送模块，用于将所述待监测区域的植被健康状况发送至用户。
进一步地，在本发明的一个实施例中，所述发送模块包括：处理子模块，用于对植被处于不健康状况的像素点进行图像处理，其中，所述图像处理包括对所述植被处于不健康状况的像素点进行聚类和/或边缘提取；确定子模块，用于根据所述图像处理后的像素点确定所述处于不健康状况的植被对应的至少一个区域范围；以及发送子模块，用于获取所述至少一个区域范围的地理坐标，并将所述至少一个区域范围的地理坐标发送至所述用户。
在本发明的一个实施例中，所述植被监测装置还包括：判断模块，用于判断所述第一图片和/或所述第二图片是否满足预设要求，其中，对所述第一图片和/或所述第二图片进行直方图统计，判断所述直方图统计后的像素值是否大于预设阈值，在所述像素值大于预设阈值时，判断所述第一图片和/或所述第二图片满足预设要求，在所述像素值不大于所述预设阈值时，重新拍摄所述第一图像和/或所述第二图像。
本发明实施例的植被监测装置，通过获取待监测区域的两个不同波段的图像，并根据这两个不同波段的图像中同一个像素点的灰度值确定像素点的植被生长指数，进而根据像素点的植被生长指数判断待监测区域的植被健康状况，从而可以精确地判断待监测区域内植被的健康和生长情况，同时降低了监测成本。
为达上述目的，本发明第三方面实施例提出了一种多光谱图像获取装置，包括：至少两个滤光片；固定支架，所述至少两个滤光片设置在所述固定支架上；旋转机构，所述旋转机构与所述固定支架相连，用于旋转所述固定支架；相机模块，所述相机模块用于通过所述滤光片采集待监测区域的第一图像和第二图像，其中，所述第一图像是以第一波长区间采集的图像，所述第二图像是以第二波长区间采集的图像。
在本发明的一个实施例中，所述旋转结构包括滤光轮和电机，所述电机用于根据所述相机模块发送的控制指令，控制所述滤光轮进行旋转。
进一步地，在本发明的一个实施例中，每个所述滤光片具有唯一标识，所述相机模块通过识别所述标识确定当前使用的滤光片。
在本发明的一个实施例中，所述相机模块还用于判断所述第一图片和/或所述第二图片是否满足预设要求，若否，则重新拍摄所述第一图像和/或所述第二图像。
在本发明的一个实施例中，所述相机模块为彩色相机模块或者黑白相机模块。
进一步地，在本发明的一个实施例中，当所述相机模块为彩色相机模块时，所述至少两个滤光片为采用中心波长为550nm前截止滤光片。
进一步地，在本发明的一个实施例中，当所述相机模块为黑白相机模块时，所述至少两个滤光片分别采用中心波长为650nm、带宽为500-750nm的滤光片和中心波长为850nm、带宽为800-1000nm的滤光片。
本发明实施例的多光谱图像获取装置，结构简单且成本低。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一个实施例的多光谱图像获取装置的结构示意图；
图2是本发明一个实施例的植被监测方法的流程图；
图3是本发明一个具体实施例的植被监测方法的流程图；
图4是本发明另一个实施例的植被监测方法的流程图；
图5是本发明一个实施例的植被监测装置的结构示意图；
图6是本发明一个具体实施例的植被监测装置的结构示意图；以及
图7是本发明另一个实施例的植被监测装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
图1是本发明一个实施例的多光谱图像获取装置的结构示意图。
如图1所示，多光谱图像获取装置10包括：至少两个滤光片11、固定支架12、旋转机构13和相机模块14。
具体地，多光谱图像获取装置10通过例如一根垂直安装的杆子固定在待监测区域的上方。所述滤光片11设置在所述固定支架12上，所述旋转机构13与所述固定支架12相连，用于旋转所述固定支架12，所述相机模块14用于分别通过至少两个滤光片11采集待监测区域的图像。其中，所述相机模块14通过所述滤光片11分别采集待监测区域的第一图像和第二图像，其中第一图像是以第一波长区间采集的图像，第二图像是以第二波长区间采集的图像。
在本发明的一个实施例中，所述旋转结构13包括滤光轮和电机，该电机用于根据相机模块发送的控制指令，控制所述滤光轮进行旋转。具体地，所述滤光轮由所述相机模块14发出指令来进行控制，具体的执行可以是通过所述相机模块14中的控制单元输出步进脉冲或者直接由所述相机模块14的芯片发出步进脉冲来使所述电机进行转动，进而驱动滤光轮旋转。
在本发明的一个实施例中，每个滤光片11具有唯一标识，相机模块14通过识别标识确定当前使用的滤光片。具体地，所述滤光片11上具有能够识别该滤光片的唯一标识，例如二维码等，所述相机模块14通过检测该标识来明确当前使用的滤光片。其中，所述滤光轮的旋转是根据当前需要采集波段的图像来确定的，而当前需要采集波段的图像是根据预定需要采集的图像序列来顺序执行的。
在本发明的一个实施例中，所述相机模块14还用于判断第一图片和/或第二图片是否满足预设要求，若否，则重新拍摄所述第一图像和/或所述第二图像。在一个实施例中，可以对第一图片和/或第二图片进行直方图统计，判断直方图统计后的像素值是否大于预设阈值，在像素值大于预设阈值时，判断第一图片和/或第二图片满足预设要求，在像素值不大于预设阈值时，相机模块14重新拍摄第一图像和/或第二图像。具体地，通过对像素的直方图统计，判断统计后的像素中值是否大于阈值来确定该图片是否合格，如果大于阈值则判断合格，如果小于阈值则判断不合格，不合格则需要重新拍摄。
在本发明的一个实施例中，相机模块14可以为彩色相机模块或者黑白相机模块，当相机模块为彩色相机模块时，至少两个滤光片为采用中心波长为550nm前截止滤光片，而当相机模块为黑白相机模块时，至少两个滤光片分别采用中心波长为650nm、带宽为500-750nm的滤光片和中心波长为850nm、带宽为800-1000nm的滤光片。
本发明实施例的多光谱图像获取装置，通过设置不同波段的滤光片，由旋转机构的电机带动固定支架旋转，使得相机模块可以通过不同波段的滤光片采集待监测区域的图像，从而可以通过相机模块采集的图像进行图像分析获取待监测区域的植被健康和生长情况，且该获取装置的结构简单，成本低。
图2是本发明一个实施例的植被监测方法的流程图。
如图2所示，植被监测方法包括：
S101，接收上述实施例所述的多光谱图像获取装置所采集的待监测区域的第一图像和第二图像。
具体地，在待监测区域上方设置一个多光谱图像获取装置，其中多光谱图像获取装置与待监测区域中植被高度的距离可以根据需求任意设置，例如在植被上空5米的地方设置多光谱图像获取装置，通过该多光谱图像获取装置向下拍摄待监测区域的图像。
在本发明的一个实施例中，多光谱图像获取装置包括相机模块和滤光片，通过相机模块和滤光片的结合采集待监测区域的第一图像和第二图像。其中，第一图像和第二图像采集的波段不同，例如第一图像采集的可以是红光波段的图像，而第二图像采集的可以是近红光波段的图像。应当理解的是，采集的两个波段的图像可以是任意的两个波段的图像，只要这两个波段的图像的波长区间不是完全重叠即可。
例如，相机模块是彩色相机模块，滤光片是550nm前截止滤光片。或者，相机模块是黑白相机模块，滤光片是中心波长为650nm带宽为500-750nm的滤光片以及中心波长为850nm带宽为800-1000nm的滤光片。也就是说，通过黑白相机模块和两个滤光片，可以获获取待监测区域在红光波段(500-750nm)和近红光波段(800-1000nm)的图像。
彩色相机模块是在黑白相机模块的传感器表面贴装了一块拜尔滤光片，从而获得彩色RGB图像，彩色RGB图像就是由R(红色)、G(绿色)和B(蓝色)三个波段叠加构成的彩色图片，在彩色相机模块前方放置550nm前截止滤光片可以获取到不同波段的第一图像和第二图像。具体而言，第一图像和第二图像是根据彩色相机模块的光谱响应特性和使用的滤光片光谱透射率共同决定的，其中彩色相机模块的光谱响应特性由光谱响应曲线表示，记彩色相机模块RGB三个波段的光谱响应曲线分别为λr、λg、λb，所使用的滤光片的光谱透射率记为Ti，进而可以获取到的波段的图像为R、G、B＝{λr、λg、λb}∩Ti三个波段的图像。
黑白相机模块的光谱响应范围一般在300-1000nm之间，因此黑白相机模块加滤光片主要由所使用的滤光片的光谱透射率和黑白相机模块传感器的光谱响应曲线决定，其产生的图像波段为b＝λs∩Ti。
应当理解的是，利用不同的相机模块和滤光片的结合可以获取到两个不同波段的第一图像和第二图像，还可以通过其它方式实现，为了避免冗余，此处不再复赘。
S102，根据第一图像和第二图像中像素点的灰度值确定像素点对应的植被生长指数。
具体地，由于第一图像和第二图像中采集的待监测区域图像的波段不同，因此第一图像中一个像素点对应的波长和第二图像中相同的这个像素点对应的波长并不相同，也就是说，同一个像素点在第一图像和第二图像中对应的灰度值是不同的。因此，根据第一图像和第二图像中同一个像素点的灰度值可以计算该像素点对应的植被生长指数。
S103，根据像素点的植被生长指数和预设阈值确定待监测区域的植被健康状况。
具体地，植被生长指数越高则代表该像素点的植被健康状况越好，而植被生长指数越低则代表该像素点的植被健康状况越差。因此，通过对该像素点的植被生长指数进行判断，可以确定该像素点的植被健康状况，进而判断待监测区域的植被健康状况。
本发明实施例的植被监测方法，通过获取待监测区域的两个不同波段的图像，并根据这两个不同波段的图像中同一个像素点的灰度值确定像素点的植被生长指数，进而根据像素点的植被生长指数判断待监测区域的植被健康状况，从而可以精确地判断待监测区域内植被的健康和生长情况，同时降低了监测成本。
图3是本发明一个具体实施例的植被监测方法的流程图。
如图3所示，植被监测方法包括：
S201，接收上述实施例所述的多光谱图像获取装置所采集的待监测区域的第一图像和第二图像。
例如，第一图像是采集待监测区域的红光波段(500-750nm)的图像，而第二图像是采集待监测区域的近红光波段(800-1000nm)的图像。
S202，分别从第一图像和第二图像中获取坐标相同的像素点。
具体地，从第一图像和第二图像中找到相同坐标的像素点，进而计算待监测区域中每个像素点的植被生长指数。
S203，获取坐标相同的像素点在第一图像中的第一灰度值，并获取坐标相同的像素点在第二图像中的第二灰度值。
S204，根据第一灰度值和第二灰度值计算坐标相同的像素点对应的植被生长指数。
在本发明的一个实施例中，根据以下公式计算坐标相同的像素点对应的植被生长指数：
α = I N - I R I N + I R ,
其中，α为植被生长指数，IN为第二图像中像素点对应的第二灰度值，IR为第一图像中像素点对应的第一灰度值。
S205，若像素点的植被生长指数大于预设阈值，则判断像素点对应的植被处于健康状况。
其中，预设阈值αT是判断植被健康状况的一个判断标准，预设阈值αT可以通过人工对待监测区域植被的健康状况和生长情况进行设置，也可以通过对待监测区域植被的健康状况和生长情况的直方图统计确定得到。
具体地，判断每个像素点的植被生长指数α是否大于预设阈值αT，如果一个像素点的植被生长指数α大于预设阈值αT，则判断该像素点的植被处于健康状况。
S206，若像素点的植被生长指数不大于预设阈值，则判断像素点对应的植被处于不健康状况。
具体地，如果一个像素点的植被生长指数α小于或者等于预设阈值αT，则判断该像素点的植被处于不健康状况。
本发明实施例的植被监测方法，通过获取待监测区域的两个不同波段的图像，并根据这两个不同波段的图像中同一个像素点的灰度值确定像素点的植被生长指数，通过将待监测区域中每个像素点的植被生长指数与预设阈值进行比较，进而判断出待监测区域的植被健康状况，从而可以精确地判断待监测区域内植被的健康和生长情况，同时降低了监测成本。
图4是本发明另一个实施例的植被监测方法的流程图。
如图4所示，植被监测方法包括：
S301，接收上述实施例所述的多光谱图像获取装置所采集的待监测区域的第一图像和第二图像。
S302，根据第一图像和第二图像中像素点的灰度值确定像素点对应的植被生长指数。
S303，根据像素点的植被生长指数和预设阈值确定待监测区域的植被健康状况。
S304，将待监测区域的植被健康状况发送至用户。
具体地，在判断出待监测区域的植被健康状况后，可以将待监测区域的植被健康状况推送给用户，其中，将植被健康状况推送给用户的方式可以包括但不限于移动通信网络、无线局域网、互联网、传感器网络等。
其中，可以将待监测区域中的每个像素点的植被健康状况发送至服务器，由服务器将每个像素点的植被健康状况推送给用户，或者服务器可以对每个像素点的植被健康状况进行图像处理，对植被不健康的像素点进行聚类或者边缘提取，从而确定在待监测区域中植被不健康的区域，从而将这些植被不健康的区域推送给用户。
在本发明的一个实施例中，对植被处于不健康状况的像素点进行图像处理，其中，图像处理包括对植被处于不健康状况的像素点进行聚类和/或边缘提取，并根据图像处理后的像素点确定处于不健康状况的植被对应的至少一个区域范围，以及获取至少一个区域范围的地理坐标，并将至少一个区域范围的地理坐标发送至用户。具体而言，在对待监测区域中的每个像素点进行计算得到每个像素点的植被健康状况后，由于被判断为不健康的植被区域是由很多被判断为不健康的像素点构成的，因此将判断为不健康的像素点通过图像分割技术，例如聚类、边缘提取，对待监测区域进行分割，并求取已分割图像区域的像素中心点和图像区域的像素半径，将分割区域的像素中心点记为Pi-r，将分割区域的像素半径记为Pi-r-c。在确定不健康植被所处的区域范围后，通过多光谱图像获取装置的安装高度、角度和地理位置将区域范围的像素坐标转换为地理坐标，从而将不健康植被所处的区域的地理坐标发送给用户。
在本发明的一个实施例中，在根据第一图像和第二图像中像素点的灰度值确定像素点对应的植被生长指数之前，判断第一图片和/或第二图片是否满足预设要求，其中，对第一图片和/或第二图片进行直方图统计，判断直方图统计后的像素值是否大于预设阈值，在像素值大于预设阈值时，判断第一图片和/或第二图片满足预设要求，在像素值不大于预设阈值时，重新拍摄第一图像和/或第二图像。具体地，通过对像素的直方图统计，判断统计后的像素中值是否大于阈值Pt来确定该图片是否合格，如果大于阈值Pt则判断合格，如果小于阈值Pt则判断不合格，不合格则需要重新拍摄。
本发明实施例的植被监测方法，在判断出待监测区域的植被健康状况后，将待监测区域的植被健康状况推送给用户，从而用户可以实时获悉该待监测区域的植被健康和生长情况，方便用户对植被的健康和生长情况进行关注。
为了实现上述实施例，本发明还提出一种植被监测装置。
图5是本发明一个实施例的植被监测装置的结构示意图。
如图5所示，植被监测装置包括：接收模块100、第一确定模块200和第二确定模块300。
具体地，接收模块100用于接收上述实施例所述的多光谱图像获取装置所采集的待监测区域的第一图像和第二图像。
第一确定模块200用于根据第一图像和第二图像中像素点的灰度值确定像素点对应的植被生长指数。
第二确定模块300用于根据像素点的植被生长指数和预设阈值确定待监测区域的植被健康状况。
需要说明的是，本发明实施例的植被监测装置的具体实现方式与本发明实施例的植被监测方法的具体实现方式类似，具体请参见方法部分的描述，为了减少冗余，此处不做赘述。
本发明实施例的植被监测装置，通过获取待监测区域的两个不同波段的图像，并根据这两个不同波段的图像中同一个像素点的灰度值确定像素点的植被生长指数，进而根据像素点的植被生长指数判断待监测区域的植被健康状况，从而可以精确地判断待监测区域内植被的健康和生长情况，同时降低了监测成本。
图6是本发明一个具体实施例的植被监测装置的结构示意图。
如图6所示，植被监测装置包括：接收模块100、第一确定模块200和第二确定模块300，其中，第一确定模块200包括：第一获取子模块210、第二获取子模块220和计算子模块230，第二确定模块300包括：第一判断子模块310和第二判断子模块320。
具体地，第一获取子模块210用于分别从第一图像和第二图像中获取坐标相同的像素点。
第二获取子模块220用于获取坐标相同的像素点在第一图像中的第一灰度值，并获取坐标相同的像素点在第二图像中的第二灰度值。
计算子模块230用于根据第一灰度值和第二灰度值计算坐标相同的像素点对应的植被生长指数。其中，根据以下公式计算坐标相同的像素点对应的植被生长指数：其中，α为植被生长指数，IN为第二图像中像素点对应的第二灰度值，IR为第一图像中像素点对应的第一灰度值。
第一判断子模块310用于在像素点的植被生长指数大于预设阈值时，判断像素点对应的植被处于健康状况。
第二判断子模块320用于在像素点的植被生长指数不大于预设阈值时，判断像素点对应的植被处于不健康状况。
需要说明的是，本发明实施例的植被监测装置的具体实现方式与本发明实施例的植被监测方法的具体实现方式类似，具体请参见方法部分的描述，为了减少冗余，此处不做赘述。
本发明实施例的植被监测装置，通过获取待监测区域的两个不同波段的图像，并根据这两个不同波段的图像中同一个像素点的灰度值确定像素点的植被生长指数，通过将待监测区域中每个像素点的植被生长指数与预设阈值进行比较，进而判断出待监测区域的植被健康状况，从而可以精确地判断待监测区域内植被的健康和生长情况，同时降低了监测成本。
图7是本发明另一个实施例的植被监测装置的结构示意图。
如图7所示，植被监测装置包括：接收模块100、第一确定模块200、第二确定模块300、发送模块400和判断模块500，其中，发送模块400包括：处理子模块410、确定子模块420和发送子模块430。
具体地，发送模块400用于将待监测区域的植被健康状况发送至用户。
在本发明的一个实施例中，发送模块400包括：处理子模块410、确定子模块420和发送子模块430。其中，处理子模块410用于对植被处于不健康状况的像素点进行图像处理，其中，图像处理包括对植被处于不健康状况的像素点进行聚类和/或边缘提取。确定子模块420用于根据图像处理后的像素点确定处于不健康状况的植被对应的至少一个区域范围。发送子模块430用于获取至少一个区域范围的地理坐标，并将至少一个区域范围的地理坐标发送至用户。
判断模块500用于判断第一图片和/或第二图片是否满足预设要求，其中，对第一图片和/或第二图片进行直方图统计，判断直方图统计后的像素值是否大于预设阈值，在像素值大于预设阈值时，判断第一图片和/或第二图片满足预设要求，在像素值不大于预设阈值时，重新拍摄第一图像和/或第二图像。
需要说明的是，本发明实施例的植被监测装置的具体实现方式与本发明实施例的植被监测方法的具体实现方式类似，具体请参见方法部分的描述，为了减少冗余，此处不做赘述。
本发明实施例的植被监测装置，在判断出待监测区域的植被健康状况后，将待监测区域的植被健康状况推送给用户，从而用户可以实时获悉该待监测区域的植被健康和生长情况，方便用户对植被的健康和生长情况进行关注。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (21)

1.一种多光谱图像获取装置，其特征在于，包括：
至少两个滤光片；
固定支架，所述至少两个滤光片设置在所述固定支架上；
旋转机构，所述旋转机构与所述固定支架相连，用于旋转所述固定支架；
相机模块，所述相机模块用于通过所述滤光片采集待监测区域的第一图像和第二图像，其中，所述第一图像是以第一波长区间采集的图像，所述第二图像是以第二波长区间采集的图像。
2.根据权利要求1所述的多光谱图像获取装置，其特征在于，所述旋转结构包括滤光轮和电机，所述电机用于根据所述相机模块发送的控制指令，驱动所述滤光轮进行旋转。
3.根据权利要求2所述的多光谱图像获取装置，其特征在于，每个所述滤光片具有唯一标识，所述相机模块通过识别所述唯一标识确定当前使用的滤光片。
4.根据权利要求1所述的多光谱图像获取装置，其特征在于，所述相机模块还用于判断所述第一图片和/或所述第二图片是否满足预设要求，若否，则重新拍摄所述第一图像和/或所述第二图像。
5.根据权利要求1所述的多光谱图像获取装置，其特征在于，所述相机模块为彩色相机模块或者黑白相机模块。
6.根据权利要求5所述的多光谱图像获取装置，其特征在于，当所述相机模块为彩色相机模块时，所述滤光片为采用中心波长为550nm前截止滤光片。
7.根据权利要求5所述的多光谱图像获取装置，其特征在于，当所述相机模块为黑白相机模块时，所述滤光片分别采用中心波长为650nm、带宽为500-750nm的滤光片和中心波长为850nm、带宽为800-1000nm的滤光片。
8.一种植被监测方法，其特征在于，包括以下步骤：
接收如权利要求1所述的多光谱图像获取装置所采集的待监测区域的第一图像和第二图像；
根据所述第一图像和所述第二图像中像素点的灰度值确定所述像素点对应的植被生长指数；以及
根据所述像素点的植被生长指数和预设阈值确定所述待监测区域的植被健康状况。
9.根据权利要求8所述的植被监测方法，其特征在于，所述根据所述第一图像和所述第二图像中像素点的灰度值确定所述像素点对应的植被生长指数，包括：
分别从所述第一图像和所述第二图像中获取坐标相同的像素点；
获取所述坐标相同的像素点在所述第一图像中的第一灰度值，并获取所述坐标相同的像素点在所述第二图像中的第二灰度值；以及
根据所述第一灰度值和第二灰度值计算所述坐标相同的像素点对应的植被生长指数。
10.根据权利要求9所述的植被监测方法，其特征在于，根据以下公式计算所述坐标相同的像素点对应的植被生长指数：
α = I N - I R I N + I R ,
其中，α为植被生长指数，IN为第二图像中像素点对应的第二灰度值，IR为第一图像中像素点对应的第一灰度值。
11.根据权利要求8所述的植被监测方法，其特征在于，所述根据所述像素点的植被生长指数和预设阈值确定所述待监测区域的植被健康状况，包括：
若所述像素点的植被生长指数大于所述预设阈值，则判断所述像素点对应的植被处于健康状况；以及
若所述像素点的植被生长指数不大于所述预设阈值，则判断所述像素点对应的植被处于不健康状况。
12.根据权利要求8所述的植被监测方法，其特征在于，在所述根据所述像素点的植被生长指数和预设阈值确定所述待监测区域的植被健康状况之后，还包括：
将所述待监测区域的植被健康状况发送至用户。
13.根据权利要求12所述的植被监测方法，其特征在于，所述将所述待监测区域的植被健康状况发送至用户，包括：
对植被处于不健康状况的像素点进行图像处理，其中，所述图像处理包括对所述植被处于不健康状况的像素点进行聚类和/或边缘提取；
根据所述图像处理后的像素点确定所述处于不健康状况的植被对应的至少一个区域范围；以及
获取所述至少一个区域范围的地理坐标，并将所述至少一个区域范围的地理坐标发送至所述用户。
14.根据权利要求8所述的植被监测方法，其特征在于，在所述根据所述第一图像和所述第二图像中像素点的灰度值确定所述像素点对应的植被生长指数之前，还包括：
判断所述第一图片和/或所述第二图片是否满足预设要求，其中，对所述第一图片和/或所述第二图片进行直方图统计，判断所述直方图统计后的像素值是否大于预设阈值，在所述像素值大于预设阈值时，判断所述第一图片和/或所述第二图片满足预设要求，在所述像素值不大于所述预设阈值时，重新拍摄所述第一图像和/或所述第二图像。
15.一种植被监测装置，其特征在于，包括：
接收模块，用于接收如权利要求1所述的多光谱图像获取装置所采集的待监测区域的第一图像和第二图像；
第一确定模块，用于根据所述第一图像和所述第二图像中像素点的灰度值确定所述像素点对应的植被生长指数；以及
第二确定模块，用于根据所述像素点的植被生长指数和预设阈值确定所述待监测区域的植被健康状况。
16.根据权利要求15所述的植被监测装置，其特征在于，所述第一确定模块包括：
第一获取子模块，用于分别从所述第一图像和所述第二图像中获取坐标相同的像素点；
第二获取子模块，用于获取所述坐标相同的像素点在所述第一图像中的第一灰度值，并获取所述坐标相同的像素点在所述第二图像中的第二灰度值；以及
计算子模块，用于根据所述第一灰度值和第二灰度值计算所述坐标相同的像素点对应的植被生长指数。
17.根据权利要求16所述的植被监测装置，其特征在于，根据以下公式计算所述坐标相同的像素点对应的植被生长指数：
α = I N - I R I N + I R ,
其中，α为植被生长指数，IN为第二图像中像素点对应的第二灰度值，IR为第一图像中像素点对应的第一灰度值。
18.根据权利要求15所述的植被监测装置，其特征在于，所述第二确定模块包括：
第一判断子模块，用于在所述像素点的植被生长指数大于所述预设阈值时，判断所述像素点对应的植被处于健康状况；以及
第二判断子模块，用于在所述像素点的植被生长指数不大于所述预设阈值时，判断所述像素点对应的植被处于不健康状况。
19.根据权利要求15所述的植被监测装置，其特征在于，还包括：
发送模块，用于将所述待监测区域的植被健康状况发送至用户。
20.根据权利要求19所述的植被监测装置，其特征在于，所述发送模块包括：
处理子模块，用于对植被处于不健康状况的像素点进行图像处理，其中，所述图像处理包括对所述植被处于不健康状况的像素点进行聚类和/或边缘提取；
确定子模块，用于根据所述图像处理后的像素点确定所述处于不健康状况的植被对应的至少一个区域范围；以及
发送子模块，用于获取所述至少一个区域范围的地理坐标，并将所述至少一个区域范围的地理坐标发送至所述用户。
21.根据权利要求15所述的植被监测装置，其特征在于，还包括：
判断模块，用于判断所述第一图片和/或所述第二图片是否满足预设要求，其中，对所述第一图片和/或所述第二图片进行直方图统计，判断所述直方图统计后的像素值是否大于预设阈值，在所述像素值大于预设阈值时，判断所述第一图片和/或所述第二图片满足预设要求，在所述像素值不大于所述预设阈值时，重新拍摄所述第一图像和/或所述第二图像。
CN201610635027.7A 2016-08-03 2016-08-03 多光谱图像获取装置、植被监测方法和装置 Pending CN106295543A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610635027.7A CN106295543A (zh) 2016-08-03 2016-08-03 多光谱图像获取装置、植被监测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610635027.7A CN106295543A (zh) 2016-08-03 2016-08-03 多光谱图像获取装置、植被监测方法和装置

Publications (1)

Publication Number Publication Date
CN106295543A true CN106295543A (zh) 2017-01-04

Family

ID=57665214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610635027.7A Pending CN106295543A (zh) 2016-08-03 2016-08-03 多光谱图像获取装置、植被监测方法和装置

Country Status (1)

Country Link
CN (1) CN106295543A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109459405A (zh) * 2018-10-23 2019-03-12 南京农业大学 基于窄带图像处理去除土壤背景干扰的光谱指数测量方法
CN110428410A (zh) * 2019-07-31 2019-11-08 腾讯医疗健康(深圳)有限公司 眼底医学图像处理方法、装置、设备及存储介质
CN111753615A (zh) * 2019-11-06 2020-10-09 广州极飞科技有限公司 变量喷洒方法及装置、电子设备及存储介质
CN111753688A (zh) * 2020-06-12 2020-10-09 广州极飞科技有限公司 种植行中心线确定方法、装置、电子设备及存储介质
CN112881343A (zh) * 2021-01-12 2021-06-01 吉林工程技术师范学院 一种基于特征谱图视频图像监测水稻设备
CN115131683A (zh) * 2022-08-25 2022-09-30 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) 基于高分辨率遥感影像的林业信息识别方法
US11468670B2 (en) * 2017-11-07 2022-10-11 University Of Florida Research Foundation, Incorporated Detection and management of target vegetation using machine vision

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101832941A (zh) * 2010-03-19 2010-09-15 天津大学 一种基于多光谱图像的水果品质评价装置
CN101908196A (zh) * 2009-06-03 2010-12-08 北京师范大学 基于植被-土壤水分响应关系的植被盖度估算方法
CN102175626A (zh) * 2010-12-31 2011-09-07 北京京鹏环球科技股份有限公司 一种基于光谱图像分析的黄瓜叶片含氮量预测方法
CN103308466A (zh) * 2013-06-04 2013-09-18 沈阳仪表科学研究院有限公司 便携式滤光片色轮型多光谱成像***及其光谱图像处理方法
CN103344333A (zh) * 2013-06-18 2013-10-09 中国计量学院 一种快速准连续多光谱成像***及其成像方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101908196A (zh) * 2009-06-03 2010-12-08 北京师范大学 基于植被-土壤水分响应关系的植被盖度估算方法
CN101832941A (zh) * 2010-03-19 2010-09-15 天津大学 一种基于多光谱图像的水果品质评价装置
CN102175626A (zh) * 2010-12-31 2011-09-07 北京京鹏环球科技股份有限公司 一种基于光谱图像分析的黄瓜叶片含氮量预测方法
CN103308466A (zh) * 2013-06-04 2013-09-18 沈阳仪表科学研究院有限公司 便携式滤光片色轮型多光谱成像***及其光谱图像处理方法
CN103344333A (zh) * 2013-06-18 2013-10-09 中国计量学院 一种快速准连续多光谱成像***及其成像方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李明军: ""针对模糊图像的无参考质量评价算法研究"", 《中国优秀硕士学位论文》 *
王苗苗: ""三江源区高寒草甸草产量遥感监测及植物碳汇动态研究"", 《中国优秀硕士学位论文》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11468670B2 (en) * 2017-11-07 2022-10-11 University Of Florida Research Foundation, Incorporated Detection and management of target vegetation using machine vision
CN109459405A (zh) * 2018-10-23 2019-03-12 南京农业大学 基于窄带图像处理去除土壤背景干扰的光谱指数测量方法
CN109459405B (zh) * 2018-10-23 2020-07-28 南京农业大学 基于窄带图像处理去除土壤背景干扰的光谱指数测量方法
CN110428410A (zh) * 2019-07-31 2019-11-08 腾讯医疗健康(深圳)有限公司 眼底医学图像处理方法、装置、设备及存储介质
CN110428410B (zh) * 2019-07-31 2024-02-27 腾讯医疗健康(深圳)有限公司 眼底医学图像处理方法、装置、设备及存储介质
CN111753615A (zh) * 2019-11-06 2020-10-09 广州极飞科技有限公司 变量喷洒方法及装置、电子设备及存储介质
CN111753688A (zh) * 2020-06-12 2020-10-09 广州极飞科技有限公司 种植行中心线确定方法、装置、电子设备及存储介质
CN111753688B (zh) * 2020-06-12 2022-03-18 广州极飞科技股份有限公司 种植行中心线确定方法、装置、电子设备及存储介质
CN112881343A (zh) * 2021-01-12 2021-06-01 吉林工程技术师范学院 一种基于特征谱图视频图像监测水稻设备
CN115131683A (zh) * 2022-08-25 2022-09-30 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) 基于高分辨率遥感影像的林业信息识别方法

Similar Documents

Publication Publication Date Title
CN106295543A (zh) 多光谱图像获取装置、植被监测方法和装置
AU2019245339B2 (en) Visual observer of unmanned aerial vehicle for monitoring horticultural grow operations
US20230410299A1 (en) Semi-automated system for real-time wound image segmentation and photogrammetry on a mobile platform
KR101984047B1 (ko) 무인 항공기를 이용한 작물 생육 진단 방법 및 장치
KR102002632B1 (ko) Ｉｏｔ 기반 과수 모니터링 시스템 및 방법
CN105158254A (zh) 一种农作物成熟度识别方法
CN110674792B (zh) 基于神经网络的施工进度监测装置及方法
JP2021012432A (ja) 情報処理装置、情報処理方法、プログラム、センシングシステム
CN110458126A (zh) 一种受电弓状态监测方法及装置
CN113325872A (zh) 植物的巡查方法及装置、***、飞行器
CN109919091A (zh) 基于动态白名单的人脸安检方法、装置及电子设备
CN109657535A (zh) 图片识别方法、目标设备及云平台
CN115019216B (zh) 实时地物检测和定位计数方法、***及计算机
US20220172306A1 (en) Automated mobile field scouting sensor data and image classification devices
AU2018325433B2 (en) Monitoring maintenance of playing surface
KR100631095B1 (ko) 지아이에스를 이용한 건축 구조물 정보 수집 및 관리 시스템
CN113989509A (zh) 基于图像识别的农作物虫害检测方法、检测***及设备
CN108242178A (zh) 一种车位检测方法、装置及电子设备
CN110942631B (zh) 一种基于飞行时间相机的交通信号控制方法
CN113514402A (zh) 一种冬小麦叶绿素含量的预测***及方法
CN108959336B (zh) 自适应绘制车载电子地图的方法
CN110021184A (zh) 基于图像处理的数据显示***
CN112184546B (zh) 一种卫星遥感影像数据处理的方法
CN116912702B (zh) 杂草覆盖度确定方法、***、装置及电子设备
EP3925519A1 (en) Vision screening systems and methods

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
CB02 Change of applicant information

Address after: 510000 Guangdong, Guangzhou, Tianhe District Cheng Cheng Road, No. 3A01, 1

Applicant after: Guangzhou flying Technology Co., Ltd.

Address before: 510000 Guangdong, Guangzhou, Tianhe District Cheng Cheng Road, No. 3A01, 1

Applicant before: GUANGZHOU XAIRCRAFT ELECTRONIC TECHNOLOGY CO., LTD.

COR Change of bibliographic data
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170104