| 摘 要： | 【目的】提出一种基于图像的幼龄檀香分割与土壤速效氮诊断方法,为幼龄檀香生长状况快速监测提供技术手段。【方法】将图像由RGB系统转换到HSI系统,对S、I通道分别进行Otsu法分割,结合通道优势以及图像滤波和形态学运算,从复杂背景中分割出檀香叶片。在RGB、HSI和Lab系统下,分别计算叶片图像颜色均值,对不同施氮水平和全水平下的檀香叶片颜色与土壤速效氮含量进行建模分析,每种颜色系统作为一组,以檀香叶片单通道均值为自变量、每株檀香的土壤速效氮含量为因变量,建立三元二次多项式。通过计算拟合数据与验证数据的模型验证指标,确定最佳模型。【结果】1)复杂背景下的檀香分割中,S通道可将整幅图像的绿色植物划分为一类,I通道可将檀香叶片与背景中其他植物叶片区分开,二者结合能成功将大部分背景去除。结合7×7中值滤波、形态学运算和超G因子,前景可被精确提取出,得到的像素数误差在5%以内,各颜色通道均值误差控制在2%以内。2)构建土壤速效氮含量预测模型时,对不同颜色系统预测结果比较发现,各施氮水平下均表现为Lab系统能够更准确反映土壤速效氮含量,使用哑变量方法建模,得到基于哑变量的土壤速效氮含量预测模型;同时考虑某些林场由于疏于管理从而导致施氮水平未知,建立一种全水平下的预测方程,结果显示仍为Lab系统最佳。【结论】结合HSI颜色系统中S、I通道在大津法分割下表现出的特点,运用中值滤波、形态学运算和超G因子进行后期处理,可较精准提取出檀香叶片。基于复杂背景分割得到的图像颜色参数可对幼龄檀香进行土壤速效氮素营养诊断,无论是否划分施氮水平,Lab均为最佳颜色系统。构建的三元二次多项式模型具有良好预测能力,能够快速获取土壤氮素养分含量,可为经营者及时增加或减少氮肥量提供依据,为幼龄檀香健康状况监测提供技术手段。
|
