【技術實現步驟摘要】
本專利技術屬于計算機視覺、遙感技術、生態監測和農業科學的，特別是涉及一種基于rgb圖像的無損估算方法、系統及計算機可讀存儲介質。
技術介紹
1、目前估算fvc和agb的技術常見的有多光譜和高光譜遙感技術、無人機遙感技術、地面測量技術，每種技術都有自身的優勢和缺點，主要體現在：(1)多光譜和高光譜遙感技術，多光譜遙感利用少量寬波段的光譜數據，常見于landsat衛星。高光譜遙感則使用連續窄波段的數據，可以獲取更詳細的光譜信息，常用于hyperion和enmap衛星。利用這些數據，通過計算ndvi(normalized?difference?vegetation?index)等植被指數來估算fvc和agb。缺點或不足：成本高：獲取高光譜數據的成本較高，且需要專門的軟件和技術支持進行處理。空間分辨率受限：盡管高光譜提供了高光譜分辨率，但空間分辨率較低，難以滿足精細監測需求。時效性差：衛星數據受限于過境時間和天氣條件，無法實現高頻次的實時監測。數據處理復雜：高光譜數據處理復雜，涉及大量的計算和數據存儲需求。
2、(2)無人機遙感技術，無人機配備高分辨率相機和lidar(光探測和測距)傳感器，能夠獲取高精度的地表數據。無人機遙感適用于小尺度的精細監測，通過多角度、多高度的數據采集，提供詳細的植被結構信息。缺點或不足：覆蓋范圍有限：無人機的飛行時間和覆蓋范圍有限，難以覆蓋大面積區域。操作復雜：無人機操作需要專業技能，數據處理和分析也較為復雜。受天氣影響大：無人機飛行和數據采集容易受天氣條件影響，如風速、降雨等。
3、
4、綜上所述，上述的技術盡管都能用于估算獲得結果，但是都存在各自的缺點與不足，因此，研制出一種低成本、高效率的測量技術仍是一個亟待解決的問題。
技術實現思路
1、技術方案：為了解決上述的技術問題，本專利技術提供的一種基于rgb圖像的無損估算方法，所述方法的具體的步驟為：
2、步驟1，使用rgb相機在地面上拍攝草地樣方圖像，對采集到的圖像進行預處理包括尺寸調整、數據標準化，并由使用人員確定草地屬性，備用；
3、步驟2，當得到處理后的rgb圖像時，使用u-net深度學習模型對樣方圖像進行分割，將圖像分割為樣框和背景圖像兩部分，對分割后的二值圖像采用形態學膨脹操作，使用凸包掩膜算法、生成最終掩膜；
4、步驟3，當得到裁剪后的樣方內草地圖像時，對于鮮草圖像，計算植被指數，利用閾值法將圖像分為植被區域和非植被區域計算，得到植被像素占比。對于干草圖像，使用植被指數閾值法去除鮮草部分，采用多步驟圖像分割與分類方法，實現土壤和干草的精細分割，再計算得到植被像素占比；
5、步驟4，當得到圖像植被像素占比時，使用機器學習回歸模型，以植被像素占比作為輸入特征，通過對輸入特征初步計算草地植被覆蓋度fvc和地上生物量agb；
6、步驟5，當經過初步fvc和agb計算后，使用人員輸入輔助數據模塊，增加輔助數據作為回歸模型的輸入特征，計算得到精確fvc和agb。
7、作為改進，步驟1中，先將rgb圖像尺寸從2048×1536像素調整至512×512像素，再進行歸一化處理，將每個像素的值從[0,255]映射到[0,1]范圍。
8、作為改進，步驟2中，具體方法是，首先使用u-net深度學習模型進行圖像分割，輸出二值圖像；然后進行形態學膨脹操作，一個3×3的方形內核結構元素，逐步掃描圖像，若結構元素覆蓋的區域中存在一個前景像素白色，則將該區域的所有像素都設為前景；最后，采用凸包掩膜算法進行應用掩膜處理到原始rgb圖像，其中應用掩膜處理使用的函數為cv2.bitwise_and()。
9、作為改進，所述凸包掩膜算法具體是：首先，輪廓檢測，是對通過形態學膨脹后生成的二值圖像，前景為白色，背景為黑色，使用cv2.find?contours()提取所有連通區域的輪廓；然后，計算凸包，使用cv2.convex?hull()計算每個輪廓的最小凸多邊形；最后，繪制掩膜：使用cv2.drawcontours()函數將這些凸包繪制為二值掩膜。
10、作為改進，步驟3中，區分鮮草圖像和干草圖像的具體的方法為：
11、步驟3.1植被指數閾值法去除鮮草部分
12、計算圖像中每個像素的cive值，公式如下：cive＝0.441*r-0.811*g+0.385*b+18.787；
13、根據大津閾值法設置cive的閾值為a，將cive值低于a的像素識別為鮮草部分并去除；
14、步驟3.2turbopixels超像素分割
15、使用turbopixels算法對圖像進行初步分割，設置生成500個超像素區域；
16、步驟3.3使用sobel算子和canny邊緣檢測
17、使用sobel算子計算圖像的水平和垂直梯度，獲取圖像的邊緣信息；再使用canny邊緣檢測算法進一步提取圖像的邊緣特征，設定低閾值和高閾值；
18、步驟3.4分水嶺算法精細分割
19、使用分水嶺算法處理圖像的梯度信息，首先，將sobel和canny檢測到的邊緣作為分水嶺算法的標記點；再通過“水流”過程，將圖像劃分為不同的區域，直到所有標記點相遇，形成分水嶺；
20、步驟3.5k-means聚類算法分類
21、提取每個圖像區域的顏色特征和紋理特征，使用k-means聚類算法將圖像區域劃分為兩類干草和土壤，并設定初始聚類中心的數量、迭代次數；獲得最終干草、土壤區域。
22、作為本專利技術的技術方案，本專利技術還提供了一種基于rgb圖像的無損估算系統，包括圖像采集模塊，圖像預處理模塊，圖像分割模塊，鮮草分割計算模塊，干草與土壤分割模塊，回歸模型預測模塊，輔助數據處理模塊，模塊之間通過數據流進行連接和通信。
23、作為改進，所述圖像采集模塊，傳輸采集的原始圖像數據至圖像預處理模塊；所述圖像預處理模塊對圖像數據進行預處理后傳輸至圖像分割模塊；所述圖像分割模塊，用于對預處理后的圖像數據分割、分類處理，再傳輸至鮮草分割計算模塊、干草與土壤分割模塊；所述回歸模型預測模塊，是對鮮草分割計算模塊、干草與土壤分割模塊輸出的植被像素占比數據基礎上構建回歸模型，進行鮮草或干草的植被像素占比進行回歸預測。所述輔助數據處理模塊，是處理并引入輔助數據，傳輸至回歸模型預測模塊中。
24、作為改進，輔助數據包括平均植被高度、樣方內植株數量。
25、作為本本文檔來自技高網...
【技術保護點】
1.一種基于RGB圖像的無損估算方法，其特征在于：所述方法的具體步驟為：
2.根據權利要求1所述的基于RGB圖像的無損估算方法，其特征在于：步驟1中，先將RGB圖像尺寸從2048×1536像素調整至512×512像素，再進行歸一化處理，將每個像素的值從[0,255]映射到[0,1]范圍。
3.根據權利要求1所述的基于RGB圖像的無損估算方法，其特征在于：步驟2中，具體方法是，首先使用U-net深度學習模型進行圖像分割，輸出二值圖像；然后進行形態學膨脹操作，一個3×3的方形內核結構元素，逐步掃描圖像，若結構元素覆蓋的區域中存在一個前景像素白色，則將該區域的所有像素都設為前景；最后，采用凸包掩膜算法進行應用掩膜處理到原始RGB圖像，其中應用掩膜處理使用的函數為cv2.bitwise_and()。
4.根據權利要求3所述的基于RGB圖像的無損估算方法，其特征在于：所述凸包掩膜算法具體是：首先，輪廓檢測，是對通過形態學膨脹后生成的二值圖像，前景為白色，背景為黑色，使用cv2.find?Contours()提取所有連通區域的輪廓；然后，計算凸包，使用cv
5.根據權利要求1所述的基于RGB圖像的無損估算方法，其特征在于：步驟3中，區分鮮草圖像和干草圖像的具體的方法為：
6.一種基于RGB圖像的無損估算系統，其特征在于：包括圖像采集模塊，圖像預處理模塊，圖像分割模塊，鮮草分割計算模塊，干草與土壤分割模塊，回歸模型預測模塊，輔助數據處理模塊，模塊之間通過數據流進行連接和通信。
7.根據權利要求6所述基于RGB圖像的無損估算系統，其特征在于：所述圖像采集模塊，傳輸采集的原始圖像數據至圖像預處理模塊；所述圖像預處理模塊對圖像數據進行預處理后傳輸至圖像分割模塊；所述圖像分割模塊，用于對預處理后的圖像數據分割、分類處理，再傳輸至鮮草分割計算模塊、干草與土壤分割模塊；所述回歸模型預測模塊，是對鮮草分割計算模塊、干草與土壤分割模塊輸出的植被像素占比數據基礎上構建回歸模型，進行鮮草或干草的植被像素占比進行回歸預測。所述輔助數據處理模塊，是處理并引入輔助數據，傳輸至回歸模型預測模塊中。
8.根據權利要求6或7所述基于RGB圖像的無損估算系統，其特征在于：輔助數據包括平均植被高度、樣方內植株數量。
9.一種計算機可讀存儲介質，其存儲有基于RGB圖像的無損估算方法能準確預測FVC和AGB的計算機程序，其特征在于：基于RGB圖像的無損估算方法為權利要求1-5任一一種。
10.根據權利要求6所述的計算機可讀存儲介質，其特征在于：該程序被處理器執行時實現以下步驟：
...【技術特征摘要】
1.一種基于rgb圖像的無損估算方法，其特征在于：所述方法的具體步驟為：
2.根據權利要求1所述的基于rgb圖像的無損估算方法，其特征在于：步驟1中，先將rgb圖像尺寸從2048×1536像素調整至512×512像素，再進行歸一化處理，將每個像素的值從[0,255]映射到[0,1]范圍。
3.根據權利要求1所述的基于rgb圖像的無損估算方法，其特征在于：步驟2中，具體方法是，首先使用u-net深度學習模型進行圖像分割，輸出二值圖像；然后進行形態學膨脹操作，一個3×3的方形內核結構元素，逐步掃描圖像，若結構元素覆蓋的區域中存在一個前景像素白色，則將該區域的所有像素都設為前景；最后，采用凸包掩膜算法進行應用掩膜處理到原始rgb圖像，其中應用掩膜處理使用的函數為cv2.bitwise_and()。
4.根據權利要求3所述的基于rgb圖像的無損估算方法，其特征在于：所述凸包掩膜算法具體是：首先，輪廓檢測，是對通過形態學膨脹后生成的二值圖像，前景為白色，背景為黑色，使用cv2.find?contours()提取所有連通區域的輪廓；然后，計算凸包，使用cv2.convex?hull()計算每個輪廓的最小凸多邊形；最后，繪制掩膜：使用cv2.drawcontours()函數將這些凸包繪制為二值掩膜。
5.根據權利要求1所述的基于rgb圖像的無損估算方法，其...
【專利技術屬性】
技術研發人員：徐璐，張禧鳳，馬紅媛，白振昊，李亞曉，李建國，
申請(專利權)人：江蘇師范大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。