叶面积指数测量间隙率计算
在测量时，用户可以根据植被高度变化来设置信息采集终端的成像传感器的镜头的拍摄方向。对于高大树木或者较高的农作物（如玉米），此时的摄像传感器镜头向上拍摄。这时，视野内只有植被与天空；而对于低矮的农作物，用户可以将传感器距离冠层一定高度向下拍摄。此时的视场内为植被与土壤。因此，对于图像中间隙率的提取其实就是对数字照片中的植被与非植被的自动分类。
日本学者大津于1979年提出一种自动提取图像前景与背景分割阈值的算法，称之为大津法（OTSU）(Otsu1979)。OTSU算法的原理是寻找一个分割阈值，使得分割后的二值图像类间方差法最大。OTSU算法在图像自动分割、图像阴影提取与消除等多个方面得到的广泛应用。本文采用OTSU算法实现图像中间隙率的自动提取。
但是，由于拍摄条件不同（成像传感器方向、天空光比例）等的影响，图像中的背景（天空或土壤）和前景（植被）的分类特征会发生变化，因此，很难保持一种特征实现对各种情况图像的自动分割。因此，在LAISmart系统中，基于原始的RGB图像，系统提供了3种分类特征供用户选择，分别是：绿度指数(GI)(Booth,Coxetal.2005)，即GI=（2*G-R-B）/(2*G-R-B)；蓝色波段亮度值(B)；图像HSV空间的亮度（V）。其中GI对于区分向下拍摄的图像中的植被与土壤比较有效，而B则能够有效区分散射光较强的情况向上拍摄的照片的植被与天空，V则适用于在晴天情况下向上拍摄的图像分割。在LAISmart采用OpenCV函数库(http://opencv.org)实现OTSU算法。
推荐
