基于高斯HI颜色算法的大田油菜图像分割

发布时间：2017-10-09 08:30

  本文关键词：基于高斯HI颜色算法的大田油菜图像分割

  更多相关文章： 图像分割 算法 高斯分布 HSI颜色模型 大田油菜

【摘要】：针对自然条件下光照条件变化给大田油菜图像分割带来的问题,该文研究了油菜图像的高斯HI颜色分割算法,为作物生长发育周期的自动识别提供前期准备。已有统计结果表明,在仅保留绿色作物的图像中,不同色调值的像素数量服从高斯分布。该文将去掉背景信息的样本数据从RGB颜色模型转换至HSI颜色模型后,统计各个光强的所有像素对应的色调值,并计算其期望值和方差,依次得出所有强度所对应色调值的期望值和方差,建立出油菜作物色调强度查找表(hue intensity-look up table)。在此基础上,计算每个像素的色调值和期望值之间的差值,若差值小于阈值,则像素被分割为作物,否则为背景。为了在高斯HI颜色分割算法中确定合适的阈值,该研究选取了45幅不同天气状况(晴天、阴天和雨天)不同发育阶段(苗期、三叶期和四叶期)的油菜图像作为样本,探讨阈值的选取与分割结果的关系。结果表明阈值在[2.4,2.6]内分割效果最佳,油菜目标的形状特征完整度最好。为了对图像分割结果进行评价,分别利用高斯HI颜色模型、CIVE(color index of vegetation extraction)、EXG-EXR(excess green-excess red)、EXG(excess green)和VEG(vegetation)算法对15幅不同天气状况的图像进行分割。从视觉效果上来看,高斯HI算法仅需少量样本,即可达到满意分割效果。与其他方法相比,高斯HI颜色分割算法的误分割率(misclassification error,ME)仅为1.8%,相对目标面积误差(relative object area error,RAE)仅为3.6%,均优于其他4种算法的试验结果。在分割结果稳定性上,高斯HI颜色算法表现最好,其ME和RAE值的标准差最低,分别为0.7%和4.5%。试验结果表明,高斯HI颜色算法能取得较好的分割效果,而且对光照条件变化并不敏感,同时,能够充分保留油菜形状特征的完整性,为后期油菜生长发育周期的自动识别提供可靠数据。
【作者单位】： 华中农业大学信息学院;航天恒星科技有限公司;华中农业大学资源与环境学院;
【关键词】： 图像分割 算法 高斯分布 HSI颜色模型 大田油菜
【基金】：华中农业大学中央高校基本科研业务费专项基金资助(2662015PY066) 国家自然科学基金(41301522) 湖北省自然科学基金(4006-36114052)
【分类号】：TP391.41;S126;S565.4
【正文快照】： 3.华中农业大学资源与环境学院,武汉430070)翟瑞芳,方益杭,林承达,彭辉,刘善梅,罗俊.基于高斯HI颜色算法的大田油菜图像分割[J].农业工程学报,2016,32(8):142-147.doi:10.11975/j.issn.1002-6819.2016.08.020 http://www.tcsae.orgZhai Ruifang,Fang Yihang,Lin Chengda,Peng

【相似文献】

中国期刊全文数据库 前10条

1 王江宁;纪力强;;昆虫图像分割方法及其应用[J];昆虫学报;2011年02期

2 刘瑞琪;曹乃文;;杂草图像分割中分割特征的研究[J];安徽农业科学;2011年30期

3 刁智华;宋寅卯;王欢;王云鹏;;基于植物病斑的图像分割研究综述[J];农机化研究;2012年10期

4 刘禾,汪懋华;苹果自动分级中的图像分割[J];中国农业大学学报;1996年06期

5 陈婷婷;;采用模糊形态学的大田害虫图像分割[J];内蒙古农业科技;2007年06期

6 马莉莉;王志明;;血液细胞图像分割方法综述[J];农业网络信息;2008年10期

7 王远;王德建;张刚;王灿;;基于数码相机的水稻冠层图像分割及氮素营养诊断[J];农业工程学报;2012年17期

8 刁智华;王欢;宋寅卯;王云鹏;;复杂背景下棉花病叶害螨图像分割方法[J];农业工程学报;2013年05期

9 马文杰;贺立源;徐胜祥;陈杰;吴照辉;;基于烤烟透射特征的烟叶图像分割研究[J];农业工程学报;2006年07期

10 王萍;王立地;;自然场景下植物叶片图像分割方法研究[J];农业科技与装备;2011年02期

中国重要会议论文全文数据库 前10条

1 杨魁;赵志刚;;图像分割技术综述[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

2 杨暄;郭成安;李建华;;改进的脉冲耦合神经网络及其在图像分割中的应用[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

3 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

4 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 孙莉;张艳宁;胡伏原;赵荣椿;;基于Gaussian-Hermite矩的SAR图像分割[A];第十三届全国图象图形学学术会议论文集[C];2006年

7 李盛;;基于协同聚类的图像分割[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 张利;许家佗;;舌象图像分割技术的研究与应用进展[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年

9 秦昆;李振宇;李辉;李德毅;;基于云模型和格网划分的图像分割方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 高惠琳;窦丽华;陈文颉;谢刚;;图像分割技术在医学CT中的应用[A];中国自动化学会控制理论专业委员会A卷[C];2011年

中国博士学位论文全文数据库 前10条

1 白雪飞;基于视觉显著性的图像分割方法研究[D];山西大学;2014年

2 黄万里;基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究[D];福建师范大学;2015年

3 王辉;图像分割的最优化和水平集方法研究[D];电子科技大学;2014年

4 高婧婧;脑部MR图像分割理论研究[D];电子科技大学;2014年

5 潘改;偏微分方程在图像分割中的应用研究[D];东北大学;2013年

6 冯籍澜;高分辨率SAR图像分割与分类方法研究[D];电子科技大学;2015年

7 李伟斌;图像分割中的变分模型与快速算法研究[D];国防科学技术大学;2014年

8 邓晓政;基于免疫克隆选择优化和谱聚类的复杂图像分割[D];西安电子科技大学;2014年

9 侯叶;基于图论的图像分割技术研究[D];西安电子科技大学;2011年

10 裴继红;基于模糊信息处理的图像分割方法研究[D];西安电子科技大学;1998年

中国硕士学位论文全文数据库 前10条

1 王聪聪;手机上的交互式图像分割方法研究[D];华中科技大学;2013年

2 廖小波;基于贝叶斯最优统计的图切法图像分割研究[D];昆明理工大学;2015年

3 姜士辉;基于Android系统的立木图像分割方法研究[D];东北林业大学;2015年

4 路亚缇;基于粒子群优化算法的最大熵多阈值图像分割研究[D];郑州大学;2015年

5 刘超;基于阈值图像分割的研究及在苹果定位中的应用[D];东华理工大学;2015年

6 何妮;结合显著性目标检测与图像分割的服饰提取算法研究及实现[D];西南交通大学;2015年

7 刘晓磊;基于MRF随机场模型的机器人视觉图像分割方法研究[D];西安建筑科技大学;2015年

8 王周楠;数字图像处理的研究仿真[D];中国地质大学(北京);2015年

9 许素素;改进的模糊C均值聚类算法在图像分割中的应用[D];长安大学;2015年

10 齐国红;基于FCM和SVM相结合的作物病害图像分割方法研究[D];郑州大学;2015年

，

本文编号：999174