申请/专利权人：长春理工大学;长春理工大学重庆研究院

申请日：2024-05-24

公开（公告）日：2024-06-21

公开（公告）号：CN118229720A

主分类号：G06T7/136

分类号：G06T7/136;G06N3/006;G06N7/08;G06T5/40;G06T7/11;G06T7/155

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明公开一种适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，包括利用无人机采集田间秸秆图像，并将采集的田间秸秆图像数据输入至服务器上、服务器将获取的田间秸秆图像数据传输到图像预处理模型中，对田间秸秆图像数据进行预处理、将预处理后的图像输入至基于演化计算的多阈值图像分割模型中，分割和提取图像的秸秆部分和其他部分，以及根据分割后的结果，统计各部分的像素点数，将秸秆部分的像素点数与整个图像的像素点数作比得到秸秆覆盖率，然后输出秸秆覆盖率结果，本发明实现了精确的图像分割，提高了图像分割效率和准确性。

主权项：1.一种适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法，其特征在于，包括：S1、利用无人机采集田间秸秆图像，并将采集的田间秸秆图像数据输入至服务器上；S2、服务器将获取的田间秸秆图像数据传输到图像预处理模型中，对田间秸秆图像数据进行预处理；S3、将预处理后的图像输入至基于演化计算的多阈值图像分割模型中，分割和提取图像的秸秆部分和其他部分，其中，所述基于演化计算的多阈值图像分割模型包括改进的多目标蚁狮优化算法以及形态学算法；S4、根据分割后的结果，统计各部分的像素点数，将秸秆部分的像素点数与整个图像的像素点数作比得到秸秆覆盖率，然后输出秸秆覆盖率结果；所述改进的多目标蚁狮优化算法的具体步骤包括：步骤1、初始化设置种群规模、迭代次数和外部存档；步骤2、混沌机制利用圆映射来初始化一组候选解，即蚂蚁群和蚁狮群；步骤3、采用Tsallis熵计算个体适应度函数值，并更新和维护外部存档；步骤4、从外部存档中随机选择一个蚁狮，以及利用轮盘赌法从外部存档中选取个体作为精英蚁狮，通过逻辑映射生成进化模式因子，利用蚁狮、精英蚁狮和进化模式因子更新下一代中的蚂蚁；步骤5、用Tsallis熵计算更新后所有个体的适应度函数值，并将更新后的帕累托解存储在外部存档中；步骤6、判断外部存档是否饱和，如果饱和，则使用轮盘赌法删除档案中的部分解以保持外部存档中候选解的最大数量，之后执行步骤7，如果不饱和，则直接执行步骤7；步骤7、判断是否达到最大迭代次数，如果达到最大迭代次数，根据精英蚁狮个体的位置确定最佳阈值进行图像分割；如果未达到最大迭代次数，则返回步骤4，重复步骤4-步骤7，直到达到最大迭代次数。

全文数据：

权利要求：

百度查询： 长春理工大学;长春理工大学重庆研究院 适用于保护性耕作秸秆覆盖率检测的多阈值图像分割方法

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