改进遗传算法结合Otsu算法的大田作物分割

针对部分田间图像由于其背景复杂、光照不均匀等导致很难确定图像分割的最佳阈值问题,提出了一种基于结合遗传算法Otsu算法改进的图像分割方法。首先对采集的图像进行预处理,基于预处理图像通过改进遗传算法中的选择、交叉、变异三种方法以及基于Otsu优化个体适应度函数,实现了可以自动调整遗传控制参数,既确保了物种的多样性又加快其收敛速度,为Otsu图像分割提供了最佳阈值,最后经过图像形态学对图像进行填充。将改进遗传算法的Otsu算法与基于遗传算法+Otsu算法进行图像分割以及基于遗传算法+Ksw熵值图像分割进行了对比,发现该算法得到的阈值范围较为稳定,使得分割后的图像准确、清晰,对于后期进行作物株数的统计或者植株的覆盖度有一定的帮助。     

基于计算机视觉的小麦叶面积测量

运用计算机视觉技术对目标作物小麦的侧拍、俯拍图像进行识别处理,计算出相应叶片所占面积大小,从多变量因素对其测量分析,与叶真实面积大小进行比较,分析建立关系模型。结果表明,小麦植株的侧拍、俯拍面积与叶真实面积之间存在回归关系,且相关性较高,R~2值达到0.91。且经过验证,测量结果较准确,说明此回归模型可行。     

基于视觉三维重建的作物表型分析

采用基于图像序列的三维重建技术对作物小麦进行三维重建,通过对比不同处理下的三维点云,选择合适的处理方式对同一品种的不同植株进行三维重建;最后通过获取的作物三维模型对其进行表型测量。结果表明,重建出的三维模型在一定程度上可以还原作物的真实结构,说明利用计算机视觉技术对作物进行表型测量是切实可行的,利用三维模型测量作物的表型对于育种是省时有效的。