基于MSVF-ISCT频域分解的小麦穗计数方法


发布时间:

2022-02-25

来源:

本站

作者:

PhenoTrait

  小麦穗数是评价小麦产量的前提。为了提高小麦产量估算的精度,提出了一种基于频域分解的小麦穗数估算方法。麦穗图像的频域分解采用多尺度支持值滤波(Multiscale support value filter,MSVF)与改进的采样轮廓波变换(Improved sampled contourlet transform,ISCT)相结合的方法,如图1。支持向量机(Support Vector Machine,SVM)是机器学习的经典分类和回归算法。基于此的MSVF具有较强的频域滤波和泛化能力,将MSVF和采样方向滤波器组(sampled directional filter banks,SDFB,图2)相结合,能够有效去除复杂背景,如图2。而ISCT的多方向特性使其能够表征麦穗的轮廓和纹理信息。为了提高产量预测水平,采用MSVF-ISCT方法对麦穗图像在频域中进行多尺度、多方向的分解,减少不相关信息的干扰,生成具有更丰富的穗部特征信息信息分量的子带图像。然后,通过形态学运算和最大熵阈值分割提取麦穗特征,并采用骨架细化和角点检测算法对结果进行统计,如图3和图4,可以准确地计算出图像中小麦穗数。实验表明,与传统的基于空间域的算法相比,该方法显著提高了小麦穗数计算的精度,可为农业精准估产领域提供指导和应用。

 

  图1 MSVF-ISCT分解流程图。

 

  图2 带有菱形和扇形滤波器的SDFB树状结构示意图。

 

  图3 小麦穗计数流程图。

 

  图4 基于频域分解的小麦穗数计算流程图。

 

  来源:W. Bao, Z. Lin, G. Hu, D. Liang, L. Huang, X. Zhang, Method for Wheat Ear Counting Based on Frequency Domain Decomposition of MSVF-ISCT, Information Processing in Agriculture (2022), doi: https://doi.org/10.1016/j.inpa.2022.01.001

 

  编辑:王春颖

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。