基于HSV模型与改进的OTSU算法花椒图像分割

发布时间：2021-06-11 05:51

　　为实现农业智能机器人对作业现场花椒的识别,提出了一种基于HSV模型与改进的Otsu算法相结合的图像分割方法:以现场图像的H分量图像作为处理样本,先采用中值滤波滤除噪声,再利用改进的Otsu算法进行阈值分割,达到对花椒目标辨识的目的。通过对采摘现场成熟的大红袍花椒在顺光、背光、遮阴3种情况下采集的图像进行分割,结果表明:在顺光、背光、遮阴条件下,分割识别率分别为93.3%、90%、88.3%,且与传统的Otsu算法相比,图像分割时间缩短20%以上,为现场机器人花椒采摘识别提供了一种方法。 

【文章来源】：中国农机化学报. 2019,40(11)北大核心

【文章页数】：6 页

【部分图文】：

花椒图像分割流程

颜色是对植物进行图像分割的重要依据之一[14]。HSV颜色模型由色相(Hue)、饱和度(Saturation)和明度(Value)3个分量组成,是人视觉系统对彩色感知的方式之一[15]。HSV颜色模型中3个分量的独立性高于RGB颜色模型中的3个分量的独立性。当植物周围环境的色相与植物的色相差别较大时,将植物的RGB图像转化为HSV图像,提取H分量后获得的图像中植物的凸显性好[16-18]。基于此,将顺光、背光、遮阴3种条件下的花椒RGB图像转化为HSV图像,提取其H分量,结果如图1(b)、2(b)、3(b)所示。观察3种条件下的H分量图,发现图中花椒果实凸现性均较好,与周围环境有很大差异。由H分量直方图(见图1(c)、2(c)、3(c))可知:3种条件下H直方图曲线均有明显的波峰和波谷,适合采用Otsu分割算法获得花椒果实目标。因此,首先选择HSV颜色模型的H分量对花椒图像进行预处理。图2 背光下花椒图像H分量分析

背光下花椒图像H分量分析

【参考文献】：
期刊论文
[1]橘子采摘机器人目标识别定位方法与实验研究[J]. 杨帆,李鹏飞,刘庚,王伟斌.  西安理工大学学报. 2018(04)
[2]草莓采摘机器人图像识别系统研究[J]. 侯贵洋,赵桂杰,王璐瑶.  软件. 2018(06)
[3]基于机器视觉的水果采摘机器人目标识别方法[J]. 初广丽,张伟,王延杰,丁南南,刘艳滢.  中国农机化学报. 2018(02)
[4]基于改进Otsu算法的生菜叶片图像分割方法[J]. 孙俊,宋佳,武小红,李玉婷.  江苏大学学报(自然科学版). 2018(02)
[5]一种改进的应用于肤色分割的Otsu算法[J]. 项敏,李民政.  桂林电子科技大学学报. 2017(05)
[6]非结构环境中扰动葡萄采摘点的视觉定位技术[J]. 熊俊涛,何志良,汤林越,林睿,刘振.  农业机械学报. 2017(04)
[7]基于局部均值的甘蔗茎节识别[J]. 黄亦其,黄体森,黄媚章,尹凯,王小波.  中国农机化学报. 2017(02)
[8]串番茄采摘点的识别方法[J]. 梁喜凤,章艳.  中国农机化学报. 2016(11)
[9]自然场景下花椒果实的识别[J]. 万芳新,白明昌,贺志洋,黄晓鹏.  中国农机化学报. 2016(10)
[10]基于超模糊集的Canny边缘检测在花椒图像中的应用[J]. 宋凌怡,舒涛,周德荣.  重庆工商大学学报(自然科学版). 2016(03)



本文编号：3223953