關(guān)于基于相對色彩因子的樹木圖像分割算法

1、關(guān)于基于相對色彩因子的樹木圖像支解算法葛玉峰周宏平鄭增強張慧春論文關(guān)鍵詞:相對色彩因子圖像支解正確林業(yè)論文摘要:圖像支解是使用及時視覺傳感技能引導(dǎo)農(nóng)藥正確對靶施用舉行林木化學(xué)防治的難點。筆者提出了基于相對色彩因子的樹木圖像支解算法。與傳統(tǒng)要領(lǐng)比擬,新圖像支解算法在不影響支解結(jié)果的同時大大進步了圖像支解的及時性,在“正確林業(yè)中將有很好的應(yīng)用遠景。使用及時視覺傳感技能引導(dǎo)農(nóng)藥正確對靶施用舉行林木化學(xué)防治時,重要的難點是怎樣把視覺傳感器(如D攝像頭)網(wǎng)羅的樹木圖像從其錯綜龐大的配景中支解出來。從20世紀90年代初“正確農(nóng)業(yè)頭腦提出開始,外洋的很多專家學(xué)者致力于研究農(nóng)田作物(如紅薯、棉花等)與其配景(

2、重要是泥土和雜草)間的圖像支解技能,提出了很多支解算法,包羅基于顏色的支解算法,基于紋理的支解算法和基于灰度圖的支解算法等。此中基于顏色的支解算法應(yīng)用最為普及,很多算法實例能較好地應(yīng)用于特定的場所,樂成地將目的作物和配景支解開來。如田磊等人運用呆板視覺及彩色圖像支解舉行田間雜草密度估算1;Sapana等人應(yīng)用彩色圖像支解舉行紅薯識別和分類(grading)2。然而,基于顏色的支解算法同樣存在不敷之處。起首,基于顏色的支解算法一樣平常涉及圖像像素的R,G,B(紅,綠,藍)值,算法涉及到三維數(shù)組的處置懲罰,因此數(shù)據(jù)量大,服從低;其次,在很多環(huán)境下,由于環(huán)境因素的影響,圖像像素的R,G,B值并不直接

3、反響物體的光譜反射特性,像素值的多義性給算法方案帶來難度?；陬伾闹Ы馑惴ㄒ粯悠匠Ｒe行色彩空間的轉(zhuǎn)換,以此來低落圖像色彩的維數(shù),同時減弱環(huán)境(如光照強度、入射角)對圖像像素值的影響。通常將獵取作物的圖像從RGB空間轉(zhuǎn)換到HSI(Hue色彩,Saturatin飽和度,Intensity光照強度)空間5,大概將原始圖像用色度(Nralizedrgb)來表現(xiàn)。此要領(lǐng)存在的題目是:色彩空間的轉(zhuǎn)換必要非常耗時的運算,而且在及時性要求較高的農(nóng)藥正確對靶施用歷程中,這些圖像支解的算法并不實用。同時和田間環(huán)境比擬,林業(yè)消費歷程中施藥環(huán)境的配景越發(fā)龐大,對付正確對靶施藥體系的圖像支解算法的要求也越發(fā)嚴酷。因

4、此必需探求簡便高效的樹木圖像支解算法。1算法的提出從綠色植物的全波段反射光譜(refletanespetru)可以看出,在可見光范疇內(nèi),綠色植物在綠色波段(波長在550擺布)會有一個反射峰值(greenpeak)。這是由于康健的綠色植物舉行光互助用(葉綠素在光互助用歷程中汲取可見光譜中的赤色波段)引起的。因此,對付綠色植物的數(shù)字圖像,綠色重量相對付赤色和藍色重量大。這個特性是康健的綠色植物所固有的,不會隨環(huán)境因素改變。在實行室可控光條件下及室外天然光條件下拍攝大量綠色樹木的圖像舉行RGB各重量的闡發(fā)也證明了這一點。這一特性提供了一個綠色樹木圖像支解的可行要領(lǐng):使用圖像RGB重量之間的相對干系舉

5、行樹木圖像支解。雷同的研究已經(jīng)出如今外洋的一些文獻中。如ebbekeD等人使用像素的RGB值創(chuàng)立了ExG參數(shù)來區(qū)分植物和泥土,正確率到達99%3。孫明,高照橋夫等使用色差信號(G-Y)和(R-B)舉行蘋果支解,均勻準確率到達80%以上。Ei-FakiS等人對這一類要領(lǐng)舉行了較為體系的歸納綜合,指出彩色圖像像素的RGB灰度級在很大程度上依靠于光照強度4。在差異的光照條件下,直接用RGB值舉行識別會導(dǎo)致錯誤的結(jié)果。而使用簡樸的算術(shù)運算組合RGB重量形成相對色彩因子(RelativelrIndies)可以大大低落光照強度或其他因素的影響。同時他們方案了一些具有典范意義的色彩因子代表了彩色圖像的光強(

6、Intensity),單相、兩相色彩比擬度(ne,T-lrntrast)等,并通過這些因子的組合來實現(xiàn)農(nóng)田作物的支解。為了能有用的將綠色樹木與其配景支解開來,到達較好的支解結(jié)果,起首引入2G/(R+B)這一色彩因子。其長處:(1)在全面思量像素RGB重量的同時突出了G重量在像素中的比重;(2)使用比值干系可以按捺環(huán)境因素(如光強)的影響。在初期研究中僅使用這一色彩因子舉行支解,創(chuàng)造支解結(jié)果中會出現(xiàn)很多錯誤的伶仃點。進一步研究表白這是由于原始圖像中的暗噪聲(或暗地區(qū))引起的。因此又引入了(R+B+G)/3這一因子,通過該因子閾值的設(shè)定可以去除這些圖像中的暗噪聲或相對暗區(qū)。2算法的結(jié)果及闡發(fā)2.1

7、支解要領(lǐng)試驗時接納全局閾值支解的要領(lǐng)。全局閾值支解的長處為運用單一閾值對整個圖像舉行支解,簡樸高效,但自順應(yīng)性較差。對付在差異配景下網(wǎng)羅到的樹木圖像,閾值將有所差異。在實行室里網(wǎng)羅兩幅差異光照條件下綠色模擬樹木圖像,并用差異的閾值舉行圖像支解。由于(R+B+G)/3這一因子僅僅使像素有充足的強度,因此在支解歷程中,(R+B+G)/3的閾值是穩(wěn)定的,在兩次支解中都將其設(shè)定為50。支解結(jié)果如圖1所示。2.2圖像闡發(fā)圖1-1(a1)為在晚上日光燈照耀下網(wǎng)羅到的模擬樹木圖像,圖1-1(b1)、(1)、(d1)、(e1)和(f1)為其在差異的2G/(R+B)閾值下的支解結(jié)果。圖1-1(b1)、(1)、(

8、d1)、(e1)、(f1)閾值別離為1.0,1.1,1.2,1.3,1.4。從圖1-1中可以看出當(dāng)閾值較小時,部門配景會被錯誤地分別為目的。而當(dāng)閾值較大時,那么會出現(xiàn)目的缺失。拔獲得當(dāng)?shù)拈撝?支解的結(jié)果較好(圖1-1(d1)。圖1-2(a2)為在白日太陽光照耀下網(wǎng)羅到的模擬樹木圖像,圖1-2(b2)、(2)、(d2)、(e2)和(f2)為其在差異的2G/(R+B)閾值下的支解結(jié)果。圖1-2(b2)、(2)、(d2)、(e2)、(f2)閾值別離為1.1,1.2,1.3,1.4,1.5。從圖1-2中可以看出,除了圖1-2(b2)、(2)的支解結(jié)果稍差外,其他3個閾值都獲得了滿足結(jié)果。參考文獻1St

9、eardBL,TianLF.ahine-visineeddensityestiatinfrrealtie,utdrlightingnditinsJ.TransatinfASAE,1999,42(6):1897-1909.2Sapana,TianLF,TangL.Distane-basedntrlsystefrahinevisin-basedseletivesprayingJ.TransatinsfASAE.2002,45(5):1255-1262.3ebbekeD,eyerGE,VnBargenK,etal.lrindiesfreedidentifiatinundervariussil,residueandlightingnditinsJ.TransatinfASAE,1995a,38(1):259-269.4Ei-FakiS,ZhangN,PetersnDE.Fatrsaffetinglr-basedeeddetetinJ.TransatinfASAE,2000,43(4):1001-1009.5向海濤.基于呆板視覺的樹木圖像及時網(wǎng)羅與識別D.南京:南京林業(yè)大學(xué),2002.6葛玉峰.基于