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 |
| |
作者姓名: | 黄巧义 张木 李苹 付弘婷 黄旭 唐拴虎 |
| |
作者单位: | 1.广东省农业科学院农业资源与环境研究所, 农业农村部南方植物营养与肥料重点实验室, 广东省养分资源循环利用与耕地保育重点实验室, 广州 510640; 2.华南农业大学资源环境学院, 广州 510642 |
| |
基金项目: | 公益性行业(农业)科研专项 (201503123);广东省科技计划项目(2016A020210035、 2014B090904068);广州市创新团队项目(2016B070701009)资助。 |
| |
摘 要: | 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。
|
关 键 词: | 支持向量机 最大类间方差法 色彩空间 水稻 光照强度 图像分割 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《中国农业科技导报》浏览原始摘要信息 |
|
点击此处可从《中国农业科技导报》下载全文 |
|