一种檀香植株生长土壤铁元素含量的图像确定方法和系统与流程

本发明涉及一种檀香植株生长土壤铁元素含量的图像确定方法和系统，属于测量和计算机技术领域。

背景技术：

矿物质元素是生物体生长所必需的重要营养元素，直接参与机体的新陈代谢、生长发育等基础的生物学过程。在植物生长和发育所必需的微量元素中，铁是叶绿素形成不可缺少的，其在光合作用、呼吸作用和叶绿素合成等植物重要生命活动中发挥了不可或缺的作用。尽管铁在土壤里含量丰富，但铁元素多以Fe²⁺的形式存在，其在高pH值和石灰性土壤中溶解度极低，严重影响了其利用效率。

植物缺铁失绿已成为全世界普遍关注的问题。全世界约有40％的土壤缺铁，特别是石灰性土壤，许多农作物常因发生缺铁失绿导致生长不良，产量下降。

缺铁时叶绿体结构被破坏，导致叶绿素不能形成，嫩叶变黄，使叶片产生“失绿症”现象，叶脉仍绿，但老叶保持绿色，严重缺铁时，叶绿体变小，甚至解体或液泡化，会造成叶片白化，叶片上出现坏死斑点，叶片逐渐焦枯甚至整株死亡。

檀香是最昂贵的木材之一，树被称为“黄金之树”，现被列为国家重点保护植物。近年来对半寄生性树种檀香的栽培量急剧增加，但是由于其对水分等生长环境要求苛刻，因此亟需较强的监测技术以满足培育要求。

由于植株铁元素是否缺乏往往会以外在形态颜色等特征表现出来，这为人们通过植株叶片或茎枝等外在形态颜色推断其铁元素是否缺乏的信息提供了可能。随着数字图像采集工作的简单化、廉价化，从客观上推动了基于图像的植株铁元素含量的研究，并希望实现估测植株铁元素是否缺乏的简单化。

植株铁元素是否缺乏的研究主要集中在土壤铁元素含量的多少的研究，同一地区其土壤质地种类以及所含成分都大致相同，而在相同的外界环境下，不同树种植株铁元素含量都有所差异，因此，通过植株颜色等外在表象信息判断树木的生长状态，确定植株生长所需的土壤铁元素含量，拟避免植株缺铁现象出现。

通过提取图像来获取檀香植株生长土壤铁元素含量信息，为了提高获取信息的准确度，将土壤铁元素是否缺乏用单位土样质量所含有的铁元素量来表示，通过植株前景图像获取图像参数，建立图像参数与其土壤铁元素含量的统计模型，再通过模型反演土壤铁元素含量。由于提取前景图像是很多后续图像研究的关键问题之一，其准确度直接影响着分析结果，因此，选择合理的分割算法对图像信息的准确获取具有重要意义。下面通过研究抽取檀香植株图像和土壤铁元素含量数据，建立以植株前景图像各参数为自变量的模型方程，以此来估计土壤铁元素含量。

技术实现要素：

本发明的实施例提供了一种檀香植株生长土壤铁元素含量的图像确定方法和系统，仅根据图象可以无损估测土壤铁元素含量。

一种檀香植株生长土壤铁元素含量的图像确定方法，包括以下步骤：

建立预估方程并确定方程参数：获取土壤样本并测定土壤内铁元素含量；获取植株样本；用SVM图像分割方法获取檀香树种前景图像；获取图像参数并建立图像与土壤铁元素含量之间的关系；根据此关系预测植株铁元素含量。

一种檀香植株生长土壤铁元素含量的图像确定方法，包括以下步骤：

1)、建立预估方程并确定方程参数：

步骤1.1、用照相机获取檀香植株图像样本；

步骤1.2、用SVM图像分割方法获取檀香树种前景图像；

步骤1.3、获取前景图像特征参数；

步骤1.4、获取土壤样本并用土壤养分速测仪测定土壤内铁元素含量；

步骤1.5、建立图像参数与土壤铁元素含量之间的关系；

步骤2)、利用图像数据估计土壤铁元素含量；

步骤2.1、获取檀香植株图像；

步骤2.2、从檀香植株图像中提取图像参数；

步骤2.3、根据图像参数利用铁元素含量预估模型确定土壤铁元素含量。

所述图像参数包括：图像前景像素的B平均值、图像前景像素的G平均值、图像前景像素的R平均值。

所述土壤铁元素量预估模型为：

y＝a+b.x₁x₂+d.x₁³+g.x₂+r.x₃+j.x₄x₅+h.x₆x₇ (1)

其中，

y：铁元素含量；

x₁：图像前景像素的G平均值与R平均值的比值；

x₂：图像前景像素的G平均值与B平均值的比值；

x₃：檀香前景图像占原始图像的白分比；

x₄：图像前景像素的R平均值与(G+B)平均值的比值；

x₅：图像前景像素的G平均值与(R-B)平均值的比值；

x₆：图像前景像素的R平均值与(R+G+B)平均值的比值；

x₇：图像前景像素的B平均值与(R+G+B)平均值的比值；

a、b、d、g、r、j、h：待定标参数；

所述待定标参数通过实验获得。

在所述获取植株前景图像步骤之前，将图像的背景设置为单一背景。

本发明还提供了一种土壤铁元素含量的图像确定系统，所述装置包括：

图像获取装置，用于获取植株的前景图像；

计算单元，用于从植株的前景图像中获得图像参数；

确定单元，用于根据图像参数利用铁元素含量预估模型确定土壤铁元素含量。

根据本发明，可通过普通照相机和计算机就可实现檀香植株生长土壤铁元素缺乏与否的判定，因此，本发明不需要增加额外设备就可估算檀香植株当前生长的铁元素含量，极其适于珍贵树种檀香营养诊断以及健康生长经营管理工作。

附图说明

图1示出了本发明实施例的确定土壤铁元素含量的流程；

图2为本发明SVM的体系结构图；

下面结合附图和实施例对本发明进一步说明。

具体实施方式

实施例1:

不同铁元素含量的檀香植株，在生长过程中，对不同波段电磁波的吸收、反射存在差异，从而使得叶片内部颜色也不一样，在叶片表面形成不同的颜色，因此，可通过彩色图像来探知檀香植株生长土壤铁元素含量。

如图1所示，本实施例提供了一种檀香植株生长土壤铁元素含量的图像确定方法，包括如下步骤：

1)、建立预估方程并确定方程参数：

步骤1.1、用照相机获取檀香植株图像样本；

步骤1.2、用SVM图像分割方法获取檀香树种前景图像；

步骤1.3、获取前景图像特征参数；

步骤1.4、获取土壤样本并用土壤养分速测仪测定土壤内铁元素含量；

步骤1.5、建立图像参数与土壤铁元素含量之间的关系；

步骤2)、利用图像数据估计土壤铁元素含量；

步骤2.1、获取檀香植株图像；

步骤2.2、从檀香植株图像中提取图像参数；

步骤2.3、根据图像参数利用铁元素含量预估模型确定土壤铁元素含量。

在步骤1)中，为了从植株前景图像中获得图像参数，首先从植株彩色图像的背景中分割出前景图像，然后计算图像参数。

根据大量的试验结果，所述图像参数包括：图像前景像素的B平均值、图像前景像素的G平均值、图像前景像素的R平均值。

为了更方便地从彩色图像的背景中分割出前景图像，根据本发明实施例，优选地，在摄影时采用单一背景，比如颜色单一且反光较小的黑色背景，这样能够最大限度的表现前景。

由于前景与背景图像存在差异，可以通过分析前景与背景两部分图像的相关性来判断二者关系，进而实现从彩色图像的背景中分割出前景图像。

支持向量机(SVM)的主要思想是给定训练样本，支持向量机建立一个超平面作为决策曲面，使得正例和反例之间的隔离边缘被最大化。

SVM的体系结构如图2所示；其中K是核函数。

SVM图像分割是利用SVM对每一个象素进行分类来实现的。

把这一概念引入到檀香图像分割中，进而实现植株前景和背景的分离。得到植株前景图像后，就可根据前景图像确定图像参数：图像前景像素的B平均值、图像前景像素的G平均值、图像前景像素的R平均值。

还包括步骤如下：

步骤1、选择代表植株前景和背景的两类的象素点，提取特征，生成训练集；设已知训练集：

T＝{(x₁,y₁),...,(x_l,y_l)}∈(X×Y)^l (1)

其中，x_i∈X＝Rⁿ，y_i∈Y＝{1,-1}(i＝1,2,...,l)；x_i为特征向量。

步骤2、选取合适的核参数K(x,x')及惩罚系数C，训练分类器，求得到支持向量；再逐一提取每个象素点的特征，产生样本待分类样本集。

i＝1,...,l得到待分类样本集

步骤3、求每一个象素点对应样本到超平面的距离值，使用式(3)：

步骤4、将每个象素点归入两个不同的类,完成对图像的分割，使用式(4)：

步骤5、提取前景部分并通过前景图像提取3个图像参数：图像前景像素的B平均值、图像前景像素的G平均值、图像前景像素的R平均值。

求得所有定标檀香植株图像参数后，然后求解铁元素含量预估模型中的参数即完成土壤铁元素含量预估模型的定标工作，然后根据铁元素含量预估模型确定土壤铁元素含量。

土壤铁元素含量预估模型为：

y＝a+b.x₁x₂+d.x₁³+g.x₂+r.x₃+j.x₄x₅+h.x₆x₇ (1)

其中，

y：铁元素含量；

x₁：图像前景像素的G平均值与R平均值的比值；

x₂：图像前景像素的G平均值与B平均值的比值；

x₃：檀香前景图像占原始图像的白分比；

x₄：图像前景像素的R平均值与(G+B)平均值的比值；

x₅：图像前景像素的G平均值与(R-B)平均值的比值；

x₆：图像前景像素的R平均值与(R+G+B)平均值的比值；

x₇：图像前景像素的B平均值与(R+G+B)平均值的比值；

a、b、d、g、r、j、h：待定标参数；

所述待定标参数通过实验获得。

檀香植株生长土壤铁元素含量的图像预测模型定标的步骤如下：

用相机拍摄获取檀香植株图像，摄影使用的相机类型为Canon EOS Kiss Digital X，图像分辨率3888×2592、ISO速度为800、快门速度1/50s、透镜孔径F/8。

用土壤养分速测仪测定土样内铁元素含量。

本次样品测得的土壤铁元素含量分布范围在15-100mg/kg之间。

把60个檀香植株随机分成2组，一组45个另一组15个，根据上述算法，分别求算每个檀香植株的图像参数，然后用45个的一组定标模型参数，15个的组用于检验模型的优劣。

具备铁元素含量预估模型参数求解的全部数据后，就可以计算模型参数，当然也可以利用既有的统计软件比如SAS、SPSS等求解模型参数。并用其它数据进行检测，本实施例模型拟合数据45组，模型检验数据15组，综合2组数据测试结果，得到确定指数为0.827，可以用于土壤铁元素含量的预估。

预估模型如下：

y＝10153.301+1405.489x₁x₂+56.857x₃-691.933x₁3-1088.424x₄x₅-67445.062x₆x₇ (2)

纯图像角度的檀香植株生长的土壤铁元素含量估测，其预估模型中的所有自变量都是从图像中抽取的，因此，仅根据图像就可以实现对檀香植株生长的土壤铁元素含量的预估，而不再需要额外的其它条件，这对于珍贵树种檀香营养诊断以及健康生长经营管理工作无疑是便利的。

实施例2：

实施例1以檀香植株为对象，还能够对黄花梨、降香黄檀、紫檀等作为实施例运用本发明的方法实施，其步骤与实施例1相同，只是用黄花梨、降香黄檀、紫檀植株图像替换檀香植株图像并改变模型参数即可。

实施例3：

本实施例提供了一种檀香植株生长土壤铁元素含量的图像确定系统，包括：

图像获取装置，用于获取植株前景彩色图像；

图像获取装置可以是照像机及任何带有照像的设备；

计算单元，用于从植株的彩色图像中获得图像参数；

确定单元，用于根据图像参数利用铁元素含量预估模型确定土壤铁元素含量。

本实施例的各个单元的工作原理可参见实施例一的描述。

图像获取装置包括普通照相机。

根据本发明，可通过普通照相机和计算机就可实现檀香植株生长土壤铁元素含量的测定，因此，本发明不需要增加额外设备就可估算土壤铁元素含量，本发明技术极其适于珍贵树种檀香营养诊断以及健康生长经营管理工作。

如上所述，对本发明的实施例进行了详细地说明，但是只要实质上没有脱离本发明的发明点及效果可以有很多的变形，这对本领域的技术人员来说是显而易见的。因此，这样的变形例也全部包含在本发明的保护范围之内。