支持向量机和最大类间方差法结合的水稻冠层图像分割方法

针对田间多变光照强度给水稻冠层图像分割带来的难题,探讨了一种基于支持向量机(SVM)和最大类间方差法(OTSU法)相结合的水稻冠层图像分割算法。首先,从不同光强条件下的水稻冠层图像中采集代表性水稻和背景像元构建训练图像S1和S2,通过分析水稻S1和背景S2两类图像在RGB色彩空间中R、G、B色彩特征值的分布频率,rgb(标准化RGB)色彩空间中r、g、b色彩特征值的分布频率,CIE L*a*b*色彩空间中L*、a*、b*色彩特征值的分布频率,以及HSV色彩空间中H、S、V色彩特征值的分布频率,筛选出具有明显双峰特征的g、a*、b*和S作为关键色彩特征;然后,在由g、a*、b*和S色彩特征构成的多维色彩空间中采用支持向量机学习算法获得分隔水稻和背景像元的优化超平面Z(Z=0.421g+0.753 a*+0.152 b*+0.051S+0.085);最后,计算水稻冠层图像中每一像元的Z值,并用最大类间方差法计算分割阈值Z_t,从而实现水稻冠层图像分割。为了评价该分割方法,以90幅不同光强(阴天、多云和晴天)条件下采集到的田间水稻冠层图像作为测试图像,并以常用的ExGOTSU分割方法作为对比,分析该分割方法的分割精度和光强稳健性。结果表明,Ex GOTSU方法的精确度显著受光强条件影响,随着光强强度的提高而显著降低,光强稳健性差;该研究所提分割方法对阴天、多云和晴天条件下水稻冠层图像的分割误差为7.30%、8.72%和8.98%,分割精确度较高,且具有良好的光强稳健性。因此,该基于支持向量机和最大类间方差法相结合的水稻冠层图像分割方法具有较高的分割精度和光强稳健性,可为田间多变光照条件下水稻冠层图像精准分割提供技术参考。     

基于图像增强和α角度模型的K均值小麦冠层分割算法的改进

[目的]本文旨在克服光照不均引起的低对比度、反光、阴影、光斑及遮挡等对大田复杂背景下小麦冠层图像分割的干扰。[方法]设计了一种结合脉冲耦合神经网络(pulse coupled neural network,PCNN)与同态滤波的自适应图像增强和基于L*a*b*颜色空间α角度模型的K均值聚类分割算法。首先,将小麦冠层图像转换到HSI颜色空间,采用自适应算法对HSI空间的I分量进行增强处理,适当调节饱和度S分量,补偿光照强度分布不均,去除阴影及拉大对比度;其次,将增强处理后的图像映射到L*a*b*颜色空间,提取a*、b*分量建立α角度模型;最后,基于α进行K均值聚类分割处理。[结果]拔节前后光照强度不一、光照不均的冬小麦冠层图像的分割试验结果表明,该算法可一定程度避免基于L*a*b*颜色空间α角度分量K均值聚类的过分割现象;改善基于HSI空间H分量K均值聚类的欠分割缺陷,且对光斑、阴影遮挡、反光突出的图像分割更完整准确。[结论]本算法可为大田复杂背景下光照多变的作物冠层图像分割提供参考方法。     

基于无人机高清数码影像的水稻产量估算

目前常用的水稻产量估算方法以卫星遥感估产为主,卫星遥感估产的分辨率较低、缺乏机理性、误差较大。为了能够快速灵活地获取水稻冠层信息、提高分辨率、准确地估测水稻产量,利用无人机平台搭载高清数码相机,拍摄从抽穗期到成熟期的水稻冠层影像,首先应用中值滤波算法对RGB颜色空间下水稻冠层图像进行去噪,然后针对彩色水稻图像的颜色特征,将图像由RGB颜色空间转换到L*a*b*颜色空间,运用K均值聚类算法对水稻冠层图像进行聚类分析、图像分割,提取出水稻穗、获得水稻穗数量、代入水稻产量估算公式进行估产。试验区域共有18块水稻小区(长8m,宽5m),在水稻抽穗期到成熟期之间拍摄4次。试验记录的数据包括拍摄的时间、高度以及分辨率,同时还要在田间实测水稻穗的数量和水稻的产量,为后期评价和判断K均值聚类算法提取水稻穗的精度以及水稻产量估测的精度提供依据。对水稻产量的实测值与估测值、田间实测的水稻穗数量与图像中提取水稻穗数量进行对比分析。结果表明:对8月18日无人机拍摄的水稻冠层影像进行图像分割,提取出水稻穗的效果较好,估产的精度较高,产量估计均方根误差和平均绝对百分误差分别为9.08和22.8%,水稻穗数估计均方根误差和平均绝对百分误差分别为19.86和5.8%。说明利用无人机搭载数码相机能够快速、无损地获取水稻冠层信息,运用K均值聚类算法能够较为准确地将水稻穗从水稻冠层图像中分割出来,利用数字图像对水稻产量进行估算是可行的。     

利用数字图像分析法评价油菜种子颜色

为了客观方便地评价油菜种子颜色,研究探索了数字图像分析评价方法.随机选取籽粒颜色不同的甘蓝型油菜30份,采用扫描仪获取种子的数字图像,通过建立色彩描述文件(ICC Profile)对图像进行颜色校正后,再运用自行编制软件"RSCA"采集种子颜色值.主要对油菜种子颜色在颜色空间RGB、CIEL*a*b*、HSB中的特征,目测颜色等级与各颜色分量的相关性进行了分析.结果表明:RGB颜色模型的R分量是一个理想的油菜种子颜色等级衡量尺度,数字图像分析法评价油菜种子颜色是可行的.     

基于G-R分量与K-means的马铃薯病虫害图像分割

针对复杂背景下马铃薯病虫害图像色彩复杂多样的问题,提出了一种基于G-R分量与K-means的图像分割方法。该方法首先提取G-R分量灰度化图像,然后对图像进行中值滤波和形态学变换操作以去除部分背景,最后将处理过后的图像转换到L*a*b*色彩空间并提取ab分量进行K-means聚类分割。本文利用该方法将暗头豆芫菁及芫菁、马铃薯重花叶病毒病及马铃薯黄痿病病斑从原彩色图像中准确提取了出来。该方法能够较为准确、完整地将目标病虫害从彩色图像中提取出来,在马铃薯病虫害治理方面有较好的应用价值。     

基于多阈值算法的包装箱内香蕉区域的图像分割方法

采用基于阈值技术的自动分割算法实现香蕉包装箱图像的分割。在手动分割的区域内离散选取香蕉和背景区域的像素点,并分别提取RGB,HSV和CIE L*a*b*3个色彩空间内共计9个颜色特征值,通过统计分析确定使用3个分别来自B,L*和b*分量的阈值进行自动分割算法的设计。采用直观对比的方法进行定性评价,其结果显示,手动和自动分割区域的轮廓基本相似;采用面积比作为指标进行定量评价,其结果显示,该算法对10个测试样本的平均面积比为80%以上。测试结果表明,该自动分割算法对香蕉包装箱图像的总体分割效果良好,可以为香蕉催熟房实时品质监控系统的实现提供关键技术。     

基于H分量K-Means多种环境条件下谷子冠层图像提取

以谷子为研究对象,采集谷子阴天、背景复杂有阴影、光照不均、露水雨水反光4类环境条件下的冠层图像,分别采用超绿分割、Lab空间K均值聚类分割和基于H分量的K均值聚类分割3种算法进行冠层提取,探究不同条件下谷子冠层提取的最优方法。对于阴天和背景复杂有阴影的谷子冠层图像,3种算法均可以较完整地提取,分割准确率均达到93%以上;对于光照不均的图像,超绿分割效果最差,基于Lab空间和基于H分量下的K均值聚类分割效果相对优异,分割准确率分别为93%和96%;对于露水雨水反光的图像,基于H分量的K均值聚类分割准确率最高,达到97%。基于H分量的K均值聚类算法对4种不同环境条件下获取的谷子冠层图像分割效果均较理想,为后续谷子生长自动监测提供了一定的参考价值。     

改进Otsu法的冠层图像分割及银杏叶面积指数估测

基于Otsu法对冠层图像临界处分割不准确的缺点,结合类间方差以及类内聚度对阈值选取及图像分割效果的影响,提出了一种改进阈值选取算法。利用银杏冠层图像分割实例进行比较,同时进一步拟合了图像信息与叶面积指数间模型,结果表明:(1)该改进法较传统Otsu法可得到更好的分割效果;(2)以分割得到的前景像素比值作为自变量,叶面积指数为因变量,拟合得到的模型能较好的描述冠层图像信息与叶面积指数间的关系;(3)提出了一种即时无损并快速可靠的叶面积指数估测方法。     

改进Otsu法的冠层图像分割及银杏叶面积指数估测1）

基于Otsu法对冠层图像临界处分割不准确的缺点,结合类间方差以及类内聚度对阈值选取及图像分割效果的影响,提出了一种改进阈值选取算法。利用银杏冠层图像分割实例进行比较,同时进一步拟合了图像信息与叶面积指数间模型,结果表明：（1）该改进法较传统Otsu法可得到更好的分割效果;（2）以分割得到的前景像素比值作为自变量,叶面积指数为因变量,拟合得到的模型能较好的描述冠层图像信息与叶面积指数间的关系;（3）提出了一种即时无损并快速可靠的叶面积指数估测方法。     

基于多颜色空间的麦田监控图像分割技术研究

快速有效地对农作物图像(特别是大田监控图像)进行绿色植被分割,在图像处理技术在农业中的应用中具有重要意义。小麦是我国一个重要的粮食作物,小麦田中植物呈现绿色,与土壤背景颜色有明显的差异,合适的选取颜色空间可进行有效分割,进而计算特定时段麦田的植被覆盖度,长势等信息。本研究首先通过对常见颜色模型各单通道图像进行初步对比分析,选取HSV的H分量、YCb Cr的Cr分量、L*a*b*的a*分量、RGB颜色空间的G与R减运算量,通过2013年11月至2014年3月的大量小麦监控图像,人工选取34幅图像进行植被分割,并从结果数据中统计分析每种彩色分量的分割准确度和标准差。最终得出了在对麦田监控图像进行植被分割中,L*a*b*颜色模型的a*通道具有最准确和最稳定的结果:34幅不同时点的麦田监控图像,图像分割平均准确度近90%,分割准确度标准差在0.08以下。     

基于无线传感器的作物图像传输方法

采用无线图像传感器网络采集作物图像可以充分应用其大范围、实时的特点获得丰富的作物状态信息,并为科学决策提供依据.然而由于大田环境下易受到各种因素的干扰,无线图像传感器网络不能稳定地传输图像.通过试验发现,数据在大田环境下的无线信道传输过程中由于受到干扰而出现不同程度的错误特点,在此基础上提出了基于纠错码和重传机制的无线图像传输方法FEC-ARQ.FEC-ARQ先根据无线传输模块的数据包长度限制和无线传感器节点运算能力设定纠错码的码长,再根据传输过程中检测的传输错误率,设定纠错码.在传输的过程中,由于错误率并不稳定而出现纠错码无法纠正数据包错误数据的情况,在检测到纠错码不能纠错时,采取重传机制.仿真结果表明:采用的纠错码和重传机制达到了比较理想的图像传输效果,能够满足大田环境下传输作物图像的质量要求.     

图像处理技术在提取玉米图像骨架上的应用

作物的形态特征对于作物的育种工作、生长状况监测、分类方面都有很重要的意义,然而通过人工计数、测量的方法来获取这些信息费时费力.本文研究利用图像处理的方法来获取单株玉米图像骨架的技术.     

抗剪切鲁棒图像数字水印的研究与实现

数字水印是解决信息安全和版权保护的有效方法,为增强其鲁棒性,提出一种结合离散余弦和离散小波的数字图像水印算法:对原始灰度图像进行小波分解,对得到的LL图像按照一定大小进行分块;对每一块进行离散余弦变换,把水印图像经过Arnold置乱后的值嵌入到变换后的系数上;进行逆变换。实验结果表明,该算法能够经受住中值滤波、剪切等的攻击,具有很强的鲁棒性。     

生物图像技术

本文综述了生物图像技术发展的过程，存在的不足以及发展的前景，供生物科学工作者参考。     

IKONOS图像纠正的实验研究

IKONOS是第一个利用RPC参数代替物理模型进行正射纠正的高空间分辨率影像 .该文就IKONOS进行正射纠的方法进行了实验 ,对各种方法的结果精度进行比较、总结 ,最后得出理想的纠正参数 .并指出实际应用中遇到的问题 ,提示使用者注意     

以本体为核心的图像检索研究

针对目前图像检索系统较难实现语义检索的问题,提出一种新的以本体为核心的图像检索模型.将通用本体和空间本体相结合描述图像语义,并且基于本体中"Is-A"关系设计相似性度量算法实现语义扩展.初步试验证明了在图像语义检索中此检索模型的可行性和优越性.