CN107330919A - 花蕊运动轨迹的获取方法 - Google Patents

花蕊运动轨迹的获取方法 Download PDF

Info

Publication number
CN107330919A
CN107330919A CN201710501127.5A CN201710501127A CN107330919A CN 107330919 A CN107330919 A CN 107330919A CN 201710501127 A CN201710501127 A CN 201710501127A CN 107330919 A CN107330919 A CN 107330919A
Authority
CN
China
Prior art keywords
pistil
region
pixel
steps
petal
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.)
Granted
Application number
CN201710501127.5A
Other languages
English (en)
Other versions
CN107330919B (zh
Inventor
蒋海波
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.)
Chengdu Institute of Biology of CAS
Original Assignee
Chengdu Institute of Biology of CAS
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 Chengdu Institute of Biology of CAS filed Critical Chengdu Institute of Biology of CAS
Priority to CN201710501127.5A priority Critical patent/CN107330919B/zh
Publication of CN107330919A publication Critical patent/CN107330919A/zh
Application granted granted Critical
Publication of CN107330919B publication Critical patent/CN107330919B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种花蕊运动轨迹的获取方法，包括以下步骤：A1：从花朵开花的视频图像中划定花蕊区域，并确定花蕊的类别和个数；A2：针对所选的花蕊区域获取花蕊区域的RGB分量和HIS分量的数值；A3：根据获取的花蕊区域的RGB分量和HIS分量进行统计；A4：根据灰度统计峰值分割花蕊像素；A5：分割出的花蕊像素和步骤A1中确定的花蕊类别和个数进行聚类分析，并分别计算每个花蕊在图像坐标系下的几何中心；A6：对后续各帧图像重复A2～A5步骤；A7：根据A5和A6步骤中获取的每个花蕊在图像坐标系下的几何中心，获取每个花蕊在图像坐标系下的运动轨迹。通过本发明的方法追踪各花蕊的运动轨迹，研究花蕊的授粉过程，可获得对植物繁殖、育种具有指导意义的信息。

Description

花蕊运动轨迹的获取方法
技术领域
本发明涉及图像处理领域，具体涉及一种花蕊运动轨迹的获取方法。
背景技术
花是植物的生殖器官，在繁殖下一代的过程扮演重要角色。花蕊与结出果实和种子有直接关系，因而，花蕊是一朵花的主要部分。如何识别花蕊的动态运动轨迹对于认识两性花蕊之间如何授粉、花朵的形态发育、果实形成等变化过程中具有重要意义。而目前，还未有对花蕊的运动轨迹的动态获取的报道。
发明内容
本发明的目的在于提供一种花蕊运动轨迹的获取方法，解决目前并没有对花蕊运动轨迹的研究，不能够通过花蕊运动轨迹分析花蕊授粉、花朵形态变化、果实形成并进行人工干预的问题。
为解决上述的技术问题，本发明采用以下技术方案：
一种花蕊运动轨迹的获取方法，包括以下步骤：
A1：从花朵开花的视频图像中选定第一帧图像并划定花蕊区域，并确定花蕊的类别和个数；
A2：针对所选的花蕊区域获取花蕊区域的RGB分量和HIS分量的数值；
A3：根据A2步骤中获取的花蕊区域的RGB分量和HIS分量进行统计，获取所选的花蕊区域的R、G、B、H、S、I分量像素的灰度统计峰值r m 、g m 、b m 、h m 、s m 和i m ；
A4：根据灰度统计峰值进行n项多项式拟合，分别以峰值左右两侧的第一个整数波谷值作为峰值两侧的分割像素边界，然后对所选的花蕊区域，分割花蕊像素；并以R、G、B、H、S、I分量分别分割像素区域，对R、G、B、H、S、I分量分割出的像素区域两两进行对比，像素区域重合次数最多的重合部分为此帧图像的花蕊像素区域；
A5：对A4步骤分割出的花蕊像素区域和A1步骤中确定的花蕊类别和个数进行以空间距离为判据的聚类分析，得到每个花蕊的精确区域，并分别计算每个花蕊在图像坐标系下的几何中心, 计算花蕊像素聚类的最远点到几何中心的距离，计算出花蕊的形态半径r，以每个花蕊的几何中心为圆心、以d*r为半径的圆拟合花蕊区域作为下一帧图像的花蕊区域；
A6：对后续各帧图像重复A2～A5步骤；
A7：根据A5和A6步骤中获取的每个花蕊在图像坐标系下的几何中心，按照时间先后顺序，对每个花蕊的几何中心点进行绘制，最终获取每个花蕊在图像坐标系下的运动轨迹。
本发明提供的花蕊运动轨迹的获取方法通过人工所选区域后，根据灰度值将花蕊像素区域从图像中分割出来，并对分割出的花蕊像素区域进行聚类，得到每个花蕊的精确区域，每个花蕊像素区域均与一个花蕊相对应。然后分别计算每个花蕊像素区域的几何中心，获取每一帧中每个花蕊像素区域的几何中心后，绘制几何中心的位置随时间的变化图，获得各个花蕊在图像坐标系下的运动规律。
在上述方法中的A4步骤中，为了获得更加准确的花蕊像素区域，需要对R、G、B、H、S、I分量分别分割出的像素区域进行对比，如果经过两两对比，像素区域重合次数最多的重合部分作为花蕊像素区域，这样花蕊像素区域分割得准确性也越高。如果直接使用R、G、B、H、S、I分量分割出的整体像素区域，那么花蕊像素区域的误差会比较大，最终经过聚类得到的花蕊像素区域也会出现较大的误差，因此得到的几何中心点也会有误差，最终获得的各个花蕊在图像坐标系下的运动规律也会有较大的误差。
更进一步的方案是，上述的花蕊运动轨迹的获取方法，还包括以下步骤：
B1：在A1步骤的同时所选花瓣区域；
B2:针对所选的花瓣区域获取花瓣区域的RGB分量和HIS分量的数值；
B3：根据B2步骤中获取的花瓣区域的RGB分量和HIS分量进行统计，获取所选的花瓣区域的R、G、B、H、S、I分量像素的灰度统计峰值r f 、g f 、b f 、h f 、s f 和i f ；根据灰度统计峰值进行n项多项式拟合，分别以峰值左右两侧的第一个整数波谷值作为峰值两侧的分割像素边界，对所选的花瓣区域进行像素分割，分割花瓣像素，并以R、G、B、H、S、I分量分别分割像素区域，对R、G、B、H、S、I分量分割出的像素区域两两进行对比，像素区域重合次数最多的重合部分为此帧图像的花瓣像素区域；
B4：根据B3步骤中获取的花瓣像素区域，对其进行角点检测；
B5：后续各帧图像中，以上一帧图像的花瓣区域获取该帧图像的花瓣区域，并重复B2～B4步骤；
B6：根据B5步骤中获取的前后帧图像的角点计算花朵在前后帧图像中的平移距离；
B7：利用A6步骤中获取的后一帧图像中的每个花蕊在图像坐标系下的几何中心点，减去花朵在前后帧图像中的平移距离，获得每个花蕊的几何中心在图像坐标系下的绝对位移，绘制出每个花蕊在图像坐标系下的绝对运动轨迹。
由于前后帧图像之间，花朵会整体移动，为了获得花蕊在图像坐标系下更加准确的轨迹，需要对检测花朵在图像坐标系下的位置偏移量，因此通过角点检测的方式判断花瓣的位移情况，最终将每个花蕊在图像坐标系下的几何中心点，减去花朵在前后帧图像中平移距离，可以获得每个花蕊的几何中心在图像坐标系下的绝对位移，从而绘制出每个花蕊在图像坐标系下的绝对运动轨迹。
更进一步的方案是，将A4步骤中分割出的花蕊像素区域与B3步骤中分割出的花瓣像素区域进行比较，若花蕊像素区域在花瓣像素区域内，则判定为花蕊像素区域，反之，则判定为噪声区域。
在花蕊像素区域的获取过程中，可能会出现一些不是花蕊像素区域的噪声点，因此通过将花蕊像素区域与花瓣像素区域进行对比，花蕊像素区域必然在花瓣像素区域内，因此所获取的花蕊像素区域如果在花瓣像素区域外部则判定为噪声区域，应该去除。
更进一步的方案是，A6步骤和 B5步骤中依次分别对后续各帧图像中的花蕊区域和花瓣区域的RGB分量和HIS分量进行统计时，将统计结果与上一帧图像的统计结果进行对比，若像素个数变化大于M%的像素值超过总体像素个数的N%，则A6步骤和B5步骤中均按照上一帧分割出的区域，重新统计RGB分量和HIS分量，并按照新的统计峰值进行分割花蕊像素，否则A6步骤按照上一帧获取的花蕊的r m 、g m 、b m 、h m 、s m 和i m 的像素值进行分割，B5步骤按照上一帧获取的花瓣的r f 、g f 、b f 、h f 、s f 和i f 的像素值进行分割，其中M、N为指定值。
处理相邻两帧图像时，由于相邻两帧中的花蕊的位置变化不会太大，因此为减少工作量，提高工作效率，处理后一帧图像时，首先统计上一帧选定的花蕊区域的RGB分量和HSI分量，然后将其与前一帧花蕊区域的RGB分量和HSI分量的统计结果进行比较，若统计结果变化较大，则说明后一帧图像中的花蕊相比于前一帧中花蕊的位移较大，因此前一帧选择的花蕊区域中的花蕊像素已不适用于后一帧，需重新统计花蕊像素；若统计结果变化不大，可以直接使用上一帧所统计的花蕊像素。另外，本发明判断统计结果变化大小的标准是“花蕊区域中RGB分量和HSI分量的相对变化量大于M%的像素个数占总像素个数的百分比是否超过N%”，M和N的值越大，则误差越大，获取的花蕊的几何中心的准确度越低，反之，M和N的值越小，则误差越小，获取的花蕊的几何中心的准确度越高。
更进一步的方案是，在A2步骤中，花蕊区域的获取方法是：以步骤A1中所选的花蕊区域的几何中心为中心，以步骤A1中所选的花蕊区域边界的a倍为新的花蕊区域的边界，获取新的待分割花蕊区域，A2步骤针对新的待分割花蕊区域获取像素值，对新的待分割花蕊区域外分割出的像素点判定为噪声点，直接去除；
在B2步骤中，所述花瓣区域的获取方法是：以B1步骤中所选的花瓣区域的几何中心为中心，以B1步骤中所选的花瓣区域边界的b倍为新的待分割花瓣区域的边界，获取新的花瓣区域， B2步骤针对新的待分割花瓣区域获取像素值，对新的待分割花蕊区域外分割出的像素点判定为噪声点，直接去除，其中a、b为不小于1的指定值；
在B5步骤中，所述以上一帧图像的花瓣区域获取该帧图像的花瓣区域的方法是：以上一帧图像中的花瓣区域的边界的c倍为新的花瓣区域，若新的花瓣区域的c倍已超过该帧图像的区域，则以该帧图像区域作为边界,其中c为不小于1的指定值。
为了方便对后续图像的处理，后续各帧图像的花蕊区域或者花瓣区域均以前一帧图像的花蕊区域或花瓣区域为基础进行扩大范围。
更进一步的方案是，在A4步骤中，在对花蕊像素进行分割时，判断花蕊是否出现遮挡，判断哪个花蕊在前，哪个花蕊在后，确定遮挡后花蕊的中心点。
由于在花蕊的运动过程中可能会出现遮挡情况，在对花蕊区域的获取过程中需要判断是否出现遮挡，并在出现遮挡情况的时候判断哪个花蕊在前，哪个花蕊在后，然后确定遮挡后花蕊的中心点。
更进一步的方案是，花蕊出现遮挡现象的判断规则是：在A5步骤中，对A4步骤分割出的花蕊像素和A1步骤中确定的花蕊类别和个数进行聚类分析后，每个像素将分属于其中一个花蕊，计算每个花蕊的几何中心，并计算每个花蕊像素到每个几何中心的距离，当出现某一像素属于某一个花蕊区域，与之空间相邻的像素属于另一个花蕊区域时，则判断此两个花蕊出现遮挡现象。
更进一步的方案是，判断哪个花蕊在前，哪个花蕊在后的具体方法是：当两个花蕊区域的中心点之间的距离在前后帧图像中逐渐减小时，获取花蕊区域的角点信息，利用花蕊区域的角点信息判断两个花蕊之间的遮挡关系。
更进一步的方案是，遮挡后花蕊中心点的确定方法是：利用花蕊开始出现遮挡的前一帧图像中的花蕊区域作为模板，对遮挡后的花蕊区域进行匹配，获得被遮挡花蕊的未被遮挡区域；根据被遮挡前的花蕊区域与被遮挡的花蕊区域重合部分的边界与被遮挡花蕊的未被遮挡区域的边界，划分出被遮挡的花蕊区域的边界，计算被遮挡的花蕊区域的中心点。
更进一步的方案是，在对遮挡后的花蕊区域进行匹配时，对前后两帧图像的花蕊区域进行角点检测与匹配，判断被遮挡花蕊区域是否有旋转或缩放变化；若有旋转，则计算旋转角度后，将被遮挡前的一帧图像中的花蕊区域按照旋转角度旋转后再对遮挡后的花蕊区域进行匹配；若有缩放，则计算缩放比例后，将被遮挡前的一帧图像中的花蕊区域按照缩放比例缩放后再对遮挡后的花蕊区域进行匹配。
与现有技术相比，本发明的有益效果是：
本发明提供了一种能够精确识别植物开花时花蕊运动轨迹的方法，可以通过本发明的方法追踪各花蕊的运动轨迹，研究花蕊的授粉过程，可获得对植物繁殖、育种具有指导意义的信息。
本发明能够在识别花蕊运动轨迹的同时，测定花朵平移的距离，得到花蕊的绝对位移。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1：
一种花蕊运动轨迹的获取方法，包括以下步骤：
A1：从花朵开花的视频图像中选定第一帧图像并划定花蕊区域，并确定花蕊的类别和个数；
A2：针对所选的花蕊区域获取花蕊区域的RGB分量和HIS分量的数值；
A3：根据A2步骤中获取的花蕊区域的RGB分量和HIS分量进行统计，获取所选的花蕊区域的R、G、B、H、S、I分量像素的灰度统计峰值r m 、g m 、b m 、h m 、s m 和i m ；
A4：根据灰度统计峰值进行n项多项式拟合，分别以峰值左右两侧的第一个整数波谷值作为峰值两侧的分割像素边界，然后对所选的花蕊区域，分割花蕊像素；并以R、G、B、H、S、I分量分别分割像素区域，对R、G、B、H、S、I分量分割出的像素区域两两进行对比，像素区域重合次数最多的重合部分为此帧图像的花蕊像素区域；
A5：对A4步骤分割出的花蕊像素区域和A1步骤中确定的花蕊类别和个数进行以空间距离为判据的聚类分析，得到每个花蕊的精确区域，并分别计算每个花蕊在图像坐标系下的几何中心, 计算花蕊像素聚类的最远点到几何中心的距离，计算出花蕊的形态半径r，以每个花蕊的几何中心为圆心、以d*r为半径的圆拟合花蕊区域作为下一帧图像的花蕊区域；
A6：对后续各帧图像重复A2～A5步骤；
A7：根据A5和A6步骤中获取的每个花蕊在图像坐标系下的几何中心，按照时间先后顺序，对每个花蕊的几何中心点进行绘制，最终获取每个花蕊在图像坐标系下的运动轨迹。
本发明提供的花蕊运动轨迹的获取方法通过人工所选区域后，根据灰度值将花蕊像素区域从图像中分割出来，并对分割出的花蕊像素区域进行聚类，得到每个花蕊的精确区域，每个花蕊像素区域均与一个花蕊相对应。然后分别计算每个花蕊像素区域的几何中心，获取每一帧中每个花蕊像素区域的几何中心后，绘制几何中心的位置随时间的变化图，获得各个花蕊在图像坐标系下的运动规律。
上述方法中的A4步骤中，为了获得更加准确的花蕊像素区域，需要对R、G、B、H、S、I分量分别分割出的像素区域进行对比，如果经过两两对比，像素区域重合次数最多的重合部分作为花蕊像素区域，这样花蕊像素区域分割得准确性也越高。如果直接使用R、G、B、H、S、I分量分割出的整体像素区域，那么花蕊像素区域的误差会比较大，最终经过聚类得到的花蕊像素区域也会出现较大的误差，因此得到的几何中心点也会有误差，最终获得的各个花蕊在图像坐标系下的运动规律也会有较大的误差。
实施例2：
在实施例1的基础上，上述的花蕊运动轨迹的获取方法，还包括以下步骤：
B1：在A1步骤的同时所选花瓣区域；
B2:针对所选的花瓣区域获取花瓣区域的RGB分量和HIS分量的数值；
B3：根据B2步骤中获取的花瓣区域的RGB分量和HIS分量进行统计，获取所选的花瓣区域的R、G、B、H、S、I分量像素的灰度统计峰值r f 、g f 、b f 、h f 、s f 和i f ；根据灰度统计峰值进行n项多项式拟合，分别以峰值左右两侧的第一个整数波谷值作为峰值两侧的分割像素边界，对所选的花瓣区域进行像素分割，分割花瓣像素，并以R、G、B、H、S、I分量分别分割像素区域，对R、G、B、H、S、I分量分割出的像素区域两两进行对比，像素区域重合次数最多的重合部分为此帧图像的花瓣像素区域；
B4：根据B3步骤中获取的花瓣像素区域，对其进行角点检测；
B5：后续各帧图像中，以上一帧图像的花瓣区域获取该帧图像的花瓣区域，并重复B2～B4步骤；
B6：根据B5步骤中获取的前后帧图像的角点计算花朵在前后帧图像中的平移距离；
B7：利用A6步骤中获取的后一帧图像中的每个花蕊在图像坐标系下的几何中心点，减去花朵在前后帧图像中的平移距离，获得每个花蕊的几何中心在图像坐标系下的绝对位移，绘制出每个花蕊在图像坐标系下的绝对运动轨迹。
由于前后帧图像之间，花朵会整体移动，为了获得花蕊在图像坐标系下更加准确的轨迹，需要对检测花朵在图像坐标系下的位置偏移量，因此通过角点检测的方式判断花瓣的位移情况，最终将每个花蕊在图像坐标系下的几何中心点，减去花朵在前后帧图像中平移距离，可以获得每个花蕊的几何中心在图像坐标系下的绝对位移，从而绘制出每个花蕊在图像坐标系下的绝对运动轨迹。
实施例3：
在实施例2的基础上，将A4步骤中分割出的花蕊像素区域与B3步骤中分割出的花瓣像素区域进行比较，若花蕊像素区域在花瓣像素区域内，则判定为花蕊像素区域，反之，则判定为噪声区域。
本实施例在花蕊像素区域的获取过程中，可能会出现一些不是花蕊像素区域的噪声点，因此通过将花蕊像素区域与花瓣像素区域进行对比，花蕊像素区域必然在花瓣像素区域内，因此所获取的花蕊像素区域如果在花瓣像素区域外部则判定为噪声区域，应该去除。
实施例4：
在实施例3的基础上，A6步骤和 B5步骤中依次分别对后续各帧图像中的花蕊区域和花瓣区域的RGB分量和HIS分量进行统计时，将统计结果与上一帧图像的统计结果进行对比，若像素个数变化大于M%的像素值超过总体像素个数的N%，则A6步骤和B5步骤中均按照上一帧分割出的区域，重新统计RGB分量和HIS分量，并按照新的统计峰值进行分割花蕊像素，否则A6步骤按照上一帧获取的花蕊的r m 、g m 、b m 、h m 、s m 和i m 的像素值进行分割，B5步骤按照上一帧获取的花瓣的r f 、g f 、b f 、h f 、s f 和i f 的像素值进行分割，其中M、N为指定值。
处理相邻两帧图像时，由于相邻两帧中的花蕊的位置变化不会太大，因此为减少工作量，提高工作效率，处理后一帧图像时，首先统计上一帧选定的花蕊区域的RGB分量和HSI分量，然后将其与前一帧花蕊区域的RGB分量和HSI分量的统计结果进行比较，若统计结果变化较大，则说明后一帧图像中的花蕊相比于前一帧中花蕊的位移较大，因此前一帧选择的花蕊区域中的花蕊像素已不适用于后一帧，需重新统计花蕊像素；若统计结果变化不大，可以直接使用上一帧所统计的花蕊像素。另外，本发明判断统计结果变化大小的标准是“花蕊区域中RGB分量和HSI分量的相对变化量大于M%的像素个数占总像素个数的百分比是否超过N%”，M和N的值越大，则误差越大，获取的花蕊的几何中心的准确度越低，反之，M和N的值越小，则误差越小，获取的花蕊的几何中心的准确度越高。
实施例5：
在实施例4的基础上，在A2步骤中，花蕊区域的获取方法是：以步骤A1中所选的花蕊区域的几何中心为中心，以步骤A1中所选的花蕊区域边界的a倍为新的花蕊区域的边界，获取新的待分割花蕊区域，A2步骤针对新的待分割花蕊区域获取像素值，对新的待分割花蕊区域外分割出的像素点判定为噪声点，直接去除；
在B2步骤中，所述花瓣区域的获取方法是：以B1步骤中所选的花瓣区域的几何中心为中心，以B1步骤中所选的花瓣区域边界的b倍为新的待分割花瓣区域的边界，获取新的花瓣区域， B2步骤针对新的待分割花瓣区域获取像素值，对新的待分割花蕊区域外分割出的像素点判定为噪声点，直接去除，其中a、b为不小于1的指定值；
在B5步骤中，所述以上一帧图像的花瓣区域获取该帧图像的花瓣区域的方法是：以上一帧图像中的花瓣区域的边界的c倍为新的花瓣区域，若新的花瓣区域的c倍已超过该帧图像的区域，则以该帧图像区域作为边界,其中c为不小于1的指定值。
为了方便对后续图像的处理，本实施例中后续各帧图像的花蕊区域或者花瓣区域均以前一帧图像的花蕊区域或花瓣区域为基础进行扩大范围。
实施例6：
在实施例5的基础上，在A4步骤中，在对花蕊像素进行分割时，判断花蕊是否出现遮挡，判断哪个花蕊在前，哪个花蕊在后，确定遮挡后花蕊的中心点。
由于在花蕊的运动过程中可能会出现遮挡情况，在对花蕊区域的获取过程中需要判断是否出现遮挡，并在出现遮挡情况的时候判断哪个花蕊在前，哪个花蕊在后，然后确定遮挡后花蕊的中心点。
花蕊出现遮挡现象的判断规则是：在A5步骤中，对A4步骤分割出的花蕊像素和A1步骤中确定的花蕊类别和个数进行聚类分析后，每个像素将分属于其中一个花蕊，计算每个花蕊的几何中心，并计算每个花蕊像素到每个几何中心的距离，当出现某一像素属于某一个花蕊区域，与之空间相邻的像素属于另一个花蕊区域时，则判断此两个花蕊出现遮挡现象。同样，当发生n个花蕊重叠遮挡时，也按照这个原则对花蕊两两对比进行判断。
判断哪个花蕊在前，哪个花蕊在后的具体方法是：当两个花蕊区域的中心点之间的距离在前后帧图像中逐渐减小时，获取花蕊区域的角点信息，利用花蕊区域的角点信息判断两个花蕊之间的遮挡关系。
遮挡后花蕊中心点的确定方法是：利用花蕊开始出现遮挡的前一帧图像中的花蕊区域作为模板，对遮挡后的花蕊区域进行匹配，获得被遮挡花蕊的未被遮挡区域；根据被遮挡前的花蕊区域与被遮挡的花蕊区域重合部分的边界与被遮挡花蕊的未被遮挡区域的边界，划分出被遮挡的花蕊区域的边界，计算被遮挡的花蕊区域的中心点。
在对遮挡后的花蕊区域进行匹配时，对前后两帧图像的花蕊区域进行角点检测与匹配，判断被遮挡花蕊区域是否有旋转或缩放变化；若有旋转，则计算旋转角度后，将被遮挡前的一帧图像中的花蕊区域按照旋转角度旋转后再对遮挡后的花蕊区域进行匹配；若有缩放，则计算缩放比例后，将被遮挡前的一帧图像中的花蕊区域按照缩放比例缩放后再对遮挡后的花蕊区域进行匹配。
具体实施例：
本实施例对鸭跖草的花朵的花蕊进行了追踪， 先拍摄鸭跖草开花过程的视频图像，然后选择其中一帧图像，鸭跖草有1个雌蕊，6个雄蕊，图像的尺寸为3264*4928。手动选择鸭跖草花蕊的区域，统计选定的花蕊区域的RGB分量和HSI分量的数值；同时通过人工选择所选花瓣的区域，获取所选花瓣区域的RGB分量和HSI分量。其中，人工确定花蕊的类别和个数，主要是为精确测定花蕊的几何中心提供粗略的初始位置。
根据获取的花蕊RGB分量和HSI分量进行统计，获取统计峰值的灰度值rm为195、gm为190、bm为25，hm为40、sm为225、im为93，根据灰度值峰值，设置分割区域，将花蕊像素从图像中分割出来。
根据获取的花瓣RGB分量和HSI分量进行统计，获取花瓣各个分量统计峰值的灰度值rf为160、gf为125、bf为183，hf为200、sf为56、if为110。根据灰度值峰值，设置分割区域，将花瓣像素从图像中分割出来。
对于单个花蕊或花朵，以手动选择的几何中心为中心，以人工选择区域的1.3倍长边和短边距离为两个边界，获取新的区域。对新区域外分割出的点判定为噪声点，直接去除。
对分割出的花蕊像素和人工选择的花蕊类别和个数进行自主聚类分类，分别自主获取各个花蕊。鸭跖草共6个雄蕊，1个雌蕊。计算每个自主聚类后，计算花蕊的几何中心。并用圆拟合各个聚类的边界点，并获得各个圆的半径r，花蕊的半径为70像素值。
在对下一帧图像进行分割时，分别统计RGB分量和HIS分量值在0-255之间的分布，与上一帧相比，RGB分量和HSI分量的相对变化量大于10%的像素个数占对应像素的集合S1总像素数的百分比超过1/3，则按照上一帧分割出的花蕊区域或花瓣区域统计RGB分量和HIS分量的数值，得到获取花蕊各个分量统计峰值的灰度值rm为195、gm为190、bm为25，hm为40、sm为225、im为93；获取花瓣各个分量统计峰值的灰度值rf为160、gf为125、bf为183，hf为200、sf为56、if为110，根据上述灰度值峰值，设置分割区域，将花瓣像素和花蕊像素从图像中分割出来。
对分割的区域进行统一再次聚类，获取相关花蕊的中心。花蕊中6个雄蕊的几何中心点为：[2963，1486] [3414,1812] [3209,1400] [3122,1569] [3302,1753] [3254,1487]；雌蕊的几何中心为[1741,1840] 。下一帧按照同样的方法获取的几何中心为，其中6个雄蕊的几何中心点为：[2971，1446] [3424,1851] [3199,1420] [3101,1573] [3281,1733] [3232,1466]；雌蕊的几何中心为[1722,1863]。
由于前后帧之间，花朵会整体运动，因此，为了获取更加准确的花蕊在图像坐标系下的轨迹，本实施例选择花朵的区域以外，花朵外侧1.3倍尺寸以里的回行区域进行角点检测，这主要是为了防止花瓣在开放时，其区域变化，对花朵整体旋转变化引起对花朵整体的影响。本实施例利用sift角点检测，利用角点匹配，获得相对应角点的整体变化，其中，第二帧花朵与第一帧相比，其整***置在图像坐标系下向左方向平移了1.3个像素点；向下方向平移了2.1个像素点。则校准后第二帧中雄蕊的几何中心点为：[2969.7，1443.9][3422.7,1848.9] [3197.7,1417.9] [3190.7,1570.9] [3279.7,1730.9] [3230.7,1463.9]；雌蕊的几何中心为[1720.7,1860.9]。
按照上述方法，依次获取花蕊位置，最终绘制出每个花蕊随时间变化的位置轨迹。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开和权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变形和改进外，对于本领域技术人员来说，其他的用途也将是明显的。

Claims (10)

1.一种花蕊运动轨迹的获取方法，其特征在于：包括以下步骤：
A1：从花朵开花的视频图像中选定第一帧图像并划定花蕊区域，并确定花蕊的类别和个数；
A2：针对所选的花蕊区域获取花蕊区域的RGB分量和HIS分量的数值；
A3：根据A2步骤中获取的花蕊区域的RGB分量和HIS分量进行统计，获取所选的花蕊区域的R、G、B、H、S、I分量像素的灰度统计峰值r m 、g m 、b m 、h m 、s m 和i m ；
A4：根据灰度统计峰值进行n项多项式拟合，分别以峰值左右两侧的第一个整数波谷值作为峰值两侧的分割像素边界，然后对所选的花蕊区域，分割花蕊像素；并以R、G、B、H、S、I分量分别分割像素区域，对R、G、B、H、S、I分量分割出的像素区域两两进行对比，像素区域重合次数最多的重合部分为此帧图像的花蕊像素区域；
A5：对A4步骤分割出的花蕊像素区域和A1步骤中确定的花蕊类别和个数进行以空间距离为判据的聚类分析，得到每个花蕊的精确区域，并分别计算每个花蕊在图像坐标系下的几何中心, 计算花蕊像素聚类的最远点到几何中心的距离，计算出花蕊的形态半径r，以每个花蕊的几何中心为圆心、以d*r为半径的圆拟合花蕊区域作为下一帧图像的花蕊区域；
A6：对后续各帧图像重复A2～A5步骤；
A7：根据A5和A6步骤中获取的每个花蕊在图像坐标系下的几何中心，按照时间先后顺序，对每个花蕊的几何中心点进行绘制，最终获取每个花蕊在图像坐标系下的运动轨迹。
2.根据权利要求1所述的花蕊运动轨迹的获取方法，其特征在于：还包括以下步骤：
B1：在A1步骤的同时所选花瓣区域；
B2:针对所选的花瓣区域获取花瓣区域的RGB分量和HIS分量的数值；
B3：根据B2步骤中获取的花瓣区域的RGB分量和HIS分量进行统计，获取所选的花瓣区域的R、G、B、H、S、I分量像素的灰度统计峰值r f 、g f 、b f 、h f 、s f 和i f ；根据灰度统计峰值进行n项多项式拟合，分别以峰值左右两侧的第一个整数波谷值作为峰值两侧的分割像素边界，对所选的花瓣区域进行像素分割，分割花瓣像素，并以R、G、B、H、S、I分量分别分割像素区域，对R、G、B、H、S、I分量分割出的像素区域两两进行对比，像素区域重合次数最多的重合部分为此帧图像的花瓣像素区域；
B4：根据B3步骤中获取的花瓣像素区域，对其进行角点检测；
B5：后续各帧图像中，以上一帧图像的花瓣区域获取该帧图像的花瓣区域，并重复B2～B4步骤；
B6：根据B5步骤中获取的前后帧图像的角点计算花朵在前后帧图像中的平移距离；
B7：利用A6步骤中获取的后一帧图像中的每个花蕊在图像坐标系下的几何中心点，减去花朵在前后帧图像中的平移距离，获得每个花蕊的几何中心在图像坐标系下的绝对位移，绘制出每个花蕊在图像坐标系下的绝对运动轨迹。
3.根据权利要求2所述的花蕊运动轨迹的获取方法，其特征在于：将A4步骤中分割出的花蕊像素区域与B3步骤中分割出的花瓣像素区域进行比较，若花蕊像素区域在花瓣像素区域内，则判定为花蕊像素区域，反之，则判定为噪声区域。
4.根据权利要求2所述的花蕊运动轨迹的获取方法，其特征在于：所述A6步骤和 B5步骤中依次分别对后续各帧图像中的花蕊区域和花瓣区域的RGB分量和HIS分量进行统计时，将统计结果与上一帧图像的统计结果进行对比，
若像素个数变化大于M%的像素值超过总体像素个数的N%，则A6步骤和B5步骤中均按照上一帧分割出的区域，重新统计RGB分量和HIS分量，并按照新的统计峰值进行分割花蕊像素，
否则A6步骤按照上一帧获取的花蕊的r m 、g m 、b m 、h m 、s m 和i m 的像素值进行分割，B5步骤按照上一帧获取的花瓣的r f 、g f 、b f 、h f 、s f 和i f 的像素值进行分割，其中M、N为指定值。
5.根据权利要求2所述的花蕊运动轨迹的获取方法，其特征在于：
在A2步骤中，所述花蕊区域的获取方法是：以步骤A1中所选的花蕊区域的几何中心为中心，以步骤A1中所选的花蕊区域边界的a倍为新的花蕊区域的边界，获取新的待分割花蕊区域，A2步骤针对新的待分割花蕊区域获取像素值，对新的待分割花蕊区域外分割出的像素点判定为噪声点，直接去除；
在B2步骤中，所述花瓣区域的获取方法是：以B1步骤中所选的花瓣区域的几何中心为中心，以B1步骤中所选的花瓣区域边界的b倍为新的待分割花瓣区域的边界，获取新的花瓣区域， B2步骤针对新的待分割花瓣区域获取像素值，对新的待分割花蕊区域外分割出的像素点判定为噪声点，直接去除，其中a、b为不小于1的指定值；
在B5步骤中，所述以上一帧图像的花瓣区域获取该帧图像的花瓣区域的方法是：以上一帧图像中的花瓣区域的边界的c倍为新的花瓣区域，若新的花瓣区域的c倍已超过该帧图像的区域，则以该帧图像区域作为边界,其中c为不小于1的指定值。
6.根据权利要求1所述的花蕊运动轨迹的获取方法，其特征在于：在A4步骤中，在对花蕊像素进行分割时，判断花蕊是否出现遮挡，判断哪个花蕊在前，哪个花蕊在后，确定遮挡后花蕊的中心点。
7.根据权利要求6所述的花蕊运动轨迹的获取方法，其特征在于：花蕊出现遮挡现象的判断规则是：
在A5步骤中，对A4步骤分割出的花蕊像素和A1步骤中确定的花蕊类别和个数进行聚类分析后，每个像素将分属于其中一个花蕊，计算每个花蕊的几何中心，并计算每个花蕊像素到每个几何中心的距离，当出现某一像素属于某一个花蕊区域，与之空间相邻的像素属于另一个花蕊区域时，则判断此两个花蕊出现遮挡现象。
8.根据权利要求7所述的花蕊运动轨迹的获取方法，其特征在于：判断哪个花蕊在前，哪个花蕊在后的具体方法是：
当两个花蕊区域的中心点之间的距离在前后帧图像中逐渐减小时，获取花蕊区域的角点信息，利用花蕊区域的角点信息判断两个花蕊之间的遮挡关系。
9.根据权利要求8所述的花蕊运动轨迹的获取方法，其特征在于：遮挡后花蕊中心点的确定方法是：
利用花蕊开始出现遮挡的前一帧图像中的花蕊区域作为模板，对遮挡后的花蕊区域进行匹配，获得被遮挡花蕊的未被遮挡区域；
根据被遮挡前的花蕊区域与被遮挡的花蕊区域重合部分的边界与被遮挡花蕊的未被遮挡区域的边界，划分出被遮挡的花蕊区域的边界，计算被遮挡的花蕊区域的中心点。
10.根据权利要求9所述的花蕊运动轨迹的获取方法，其特征在于：在对遮挡后的花蕊区域进行匹配时，对前后两帧图像的花蕊区域进行角点检测与匹配，判断被遮挡花蕊区域是否有旋转或缩放变化；
若有旋转，则计算旋转角度后，将被遮挡前的一帧图像中的花蕊区域按照旋转角度旋转后再对遮挡后的花蕊区域进行匹配；
若有缩放，则计算缩放比例后，将被遮挡前的一帧图像中的花蕊区域按照缩放比例缩放后再对遮挡后的花蕊区域进行匹配。
CN201710501127.5A 2017-06-27 2017-06-27 花蕊运动轨迹的获取方法 Active CN107330919B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710501127.5A CN107330919B (zh) 2017-06-27 2017-06-27 花蕊运动轨迹的获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710501127.5A CN107330919B (zh) 2017-06-27 2017-06-27 花蕊运动轨迹的获取方法

Publications (2)

Publication Number Publication Date
CN107330919A true CN107330919A (zh) 2017-11-07
CN107330919B CN107330919B (zh) 2020-07-10

Family

ID=60197712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710501127.5A Active CN107330919B (zh) 2017-06-27 2017-06-27 花蕊运动轨迹的获取方法

Country Status (1)

Country Link
CN (1) CN107330919B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108171718A (zh) * 2017-11-23 2018-06-15 北京林业大学 一种基于小波变换的小菊花瓣数目自动检测方法
CN112204611A (zh) * 2018-06-05 2021-01-08 索尼公司 信息处理设备、信息处理***、程序和信息处理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116899A (zh) * 2013-02-01 2013-05-22 拓维信息***股份有限公司 一种基于礼花效果模拟的手机背景图像创作方法
CN103324913A (zh) * 2013-05-29 2013-09-25 长安大学 一种基于形状特征和轨迹分析的行人事件检测方法
CN103871079A (zh) * 2014-03-18 2014-06-18 南京金智视讯技术有限公司 基于机器学习和光流的车辆跟踪方法
US20160260207A1 (en) * 2012-07-05 2016-09-08 Bernard Fryshman Object image recognition and instant active response with enhanced application and utility
CN106447771A (zh) * 2016-10-18 2017-02-22 中国科学院深圳先进技术研究院 花朵开放过程的重建方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160260207A1 (en) * 2012-07-05 2016-09-08 Bernard Fryshman Object image recognition and instant active response with enhanced application and utility
CN103116899A (zh) * 2013-02-01 2013-05-22 拓维信息***股份有限公司 一种基于礼花效果模拟的手机背景图像创作方法
CN103324913A (zh) * 2013-05-29 2013-09-25 长安大学 一种基于形状特征和轨迹分析的行人事件检测方法
CN103871079A (zh) * 2014-03-18 2014-06-18 南京金智视讯技术有限公司 基于机器学习和光流的车辆跟踪方法
CN106447771A (zh) * 2016-10-18 2017-02-22 中国科学院深圳先进技术研究院 花朵开放过程的重建方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108171718A (zh) * 2017-11-23 2018-06-15 北京林业大学 一种基于小波变换的小菊花瓣数目自动检测方法
CN112204611A (zh) * 2018-06-05 2021-01-08 索尼公司 信息处理设备、信息处理***、程序和信息处理方法

Also Published As

Publication number Publication date
CN107330919B (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
CN105701820B (zh) 一种基于匹配区域的点云配准方法
US8542874B2 (en) Videotracking
CN110232389B (zh) 一种基于绿色作物特征提取不变性的立体视觉导航方法
CN103544685B (zh) 一种基于主体调整的图像构图美化方法及***
CN103337072B (zh) 一种基于纹理与几何属性联合模型的室内对象解析方法
CN107239748A (zh) 基于棋盘格标定技术的机器人目标识别与定位方法
CN108629319B (zh) 图像检测方法及***
CN102883175A (zh) 深度图提取、判断视频场景切换及深度图边缘优化方法
CN110176016A (zh) 一种基于人体轮廓分割与骨骼识别的虚拟试衣方法
CN102982524B (zh) 玉米果穗有序图像的拼接方法
CN103768792B (zh) 应用于大范围视频空间目标定位***的分区与识别方法
CN104422628B (zh) 基于维氏硬度的压痕图像识别方法及***
CN106683137A (zh) 基于人工标志的单目多目标识别与定位方法
CN107330919A (zh) 花蕊运动轨迹的获取方法
CN102917175A (zh) 基于相机阵列合成孔径成像的遮挡多目标自动抠像方法
CN109741393A (zh) 双孢菇直径测量和中心点定位方法
CN107093182B (zh) 一种基于特征拐点的人体高度估计方法
CN107481225A (zh) 一种自动寻找最优参数分割粘连细胞的方法
CN109102569A (zh) 一种重构脚部点云模型处理方法及***
CN101765019A (zh) 一种用于运动模糊和光照变化图像的立体匹配方法
CN112614161A (zh) 一种基于边缘置信度的三维物体跟踪方法
CN107527353A (zh) 一种基于视觉处理的投影画面外框检测方法
CN106991685A (zh) 一种在全景模式下对球赛视频中足球进行跟踪的算法
CN110189283A (zh) 基于语义分割图的遥感图像dsm融合方法
CN106156700B (zh) 一种图像处理中人体特征的提取方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant