申请/专利权人：南京农业大学

申请日：2023-10-31

公开（公告）日：2024-03-01

公开（公告）号：CN117635898A

主分类号：G06V10/10

分类号：G06V10/10;G06V10/25;G06V10/26;G06V20/10;G06V10/44;G06V10/82;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本申请提供一种面向作物动态表型提取的近景图像拼接方法，其在从田间不同坐标位置分别拍摄获取到局部区域作物的图块数据后，对各图块依次进行畸变校正、图像分层、分层特征提取和图像融合，从而，在对各图块中的作物和背景进行快速准确的区分后，基于多平面对齐思想将原始图像分为多个层次、综合每个层次的对齐需求，在根据特征点进行局部对齐的同时综合拼接所得全景图像的平均状态进行相应调整，最终实现高质量的全景图像拼接。本申请所提供的图像拼接技术使得高精度和大面积监测成为可能，还能够基于图像的时间序列数据反映植物的结构与生理表型的变化过程，进而深入挖掘品种在不同生育阶段的性状差异，更好地辅助精准栽培和智能育种。

主权项：1.一种面向作物动态表型提取的近景图像拼接方法，其特征在于，在通过田间表型监测设备从田间不同坐标位置分别拍摄获取到该位置下作物的图块数据后，对各图块执行以下步骤：第一步，畸变校正，本步骤中，根据预先获得的田间表型监测设备的相机内参，以及预先获得的田间表型监测设备在不同拍摄角度、不同拍摄位置下的畸变系数，对各图块中的畸变部分进行纠正；第二步，图像分层，本步骤中采用预先训练获得的语义分割网络分别区分各图块中不同物体的景深层级，按照景深层级分别提取出各图块中的背景块层以及作物块层；第三步，分层特征提取，本步骤中依次对田间坐标位置相邻的两图块进行特征提取，分别获得两图块的特征点集KI和KJ，然后根据各特征点所属的景深层级将两图块的特征点集拆分为作物块层的特征点集KIp、KJp以及背景块层的特征点集KIb、KJb；第四步，图像融合，本步骤先利用转换模型分别根据两图块在作物块层平面的特征点集KIp、KJp以及两图块在背景块层平面的特征点集KIb、KJb计算待拼接图像在作物块层平面的单应矩阵Hp以及待拼接图像在背景块层平面的单应性矩阵Hb，将图块背景块层平面和作物块层平面之间的两个单应矩阵相叠加，获得田间坐标位置相邻两图块之间的拼接矩阵Hf，再根据拼接矩阵Hf，完成对相应图块的扭曲变换和拼接，之后，对各图块拼接后的重叠区域进行加权融合处理，并对各图块的图像参数按照拼接所得全景图像的平均状态进行相应的补偿。

全文数据：

权利要求：

百度查询： 南京农业大学 面向作物动态表型提取的近景图像拼接方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD