树叶图像的显著性区域提取方法研究

发布时间：2020-04-01 08:10

【摘要】：树叶是维持树木正常生长的重要器官,可以反映出树木的种类、生长状态等许多重要信息。利用计算机图像处理技术对树叶图像进行分割处理,通过分析树叶图像获得树叶的形状、轮廓、纹理等特征信息,对于树木分类识别、资源保护与利用、探索树木间的亲缘关系、阐明进化规律、农业与园艺的实际应用等方面具有现实意义。本文分析国内外当前研究的关于叶片图像分割的方法,针对自然条件下采集到的具有较复杂背景的树叶图像,难以从图像分割中将背景剔除直接获取到用户最可能感兴趣的、完整的目标叶片区域的问题,提出利用显著性目标检测的方法可以直接得到树叶图像的显著目标。在显著性目标检测方法中首先改进了图像预处理中SLIC超像素分割方法需要人为设定超像素数目的缺点,将树叶图像的RGB颜色信息转化为HSV颜色信息,依据人类视觉注意分辨能力,按照色彩的主观颜色感知和不同的范围进行非等间隔量化,自动确定图像所需要的超像素数目,以适应计算机视觉检测应用的自适应性。再将SLIC分割方法获得的超像素作为节点建立吸收马尔科夫链,计算转移节点到吸收节点的被吸收时间作为显著值获得图像的显著图,直接将树叶图像中用户最感兴趣的目标区域从背景中提取出来,有效的提高了显著性目标检测方法的整体检测效率。针对树叶图像显著图中部分显著区域显著值偏低的问题,根据植物叶片具有对称性的植物学特征,提出基于对称性区域过滤的方法对树叶图像显著图进行图像分割。首先对显著图进行对称性检测获取对称轴和质心,然后利用对称性质对显著图进行区域过滤,从而获得轮廓清晰完整的目标图像分割区域。实验结果表明,该方法对图像显著目标区域的提取更为完整。
【图文】：

曲线,树叶图,灰度

灰度映射函数为公式（２－２）：逡逑ＱＪＴ邋ＪＴ逡逑＾（／）邋＝邋０．５１（ｓｉｎ（逦）邋＋邋１）逦（２－２）逡逑Ｌ邋２逡逑其中，Ｚ表示灰度级个数，，ｓ为原灰度，变换后的灰度为／。图２－１为灰度映射曲逡逑。逡逑？逡逑Ｌ－１逦逡逑ｔ邋＿邋Ｉ逡逑°逦ｓ邋Ｚ－１Ｉ逡逑图２－１灰度映射曲线逡逑该方法仅对文献［４９］中的枣树叶图像的处理效果最佳，图２－２为使用该方法对树叶图逡逑不同灰度映射下的分割结果，图２－２第一行为灰度映射处理后的树叶图像，当不同的逡逑度映射区间对图像加强效果不同时，图２－２第三行分割结果的差异较明显。该算法受逡逑度映射区间的选择约束，易造成分割效果或冗余或不足。逡逑

曲线,灰度,曲线,树叶图

逦）邋＋邋１）逦（２－２）逡逑Ｌ邋２逡逑其中，Ｚ表示灰度级个数，ｓ为原灰度，变换后的灰度为／。图２－１为灰度映射曲逡逑线。逡逑？逡逑Ｌ－１逦逡逑ｔ邋＿邋Ｉ逡逑°逦ｓ邋Ｚ－１Ｉ逡逑图２－１灰度映射曲线逡逑该方法仅对文献［４９］中的枣树叶图像的处理效果最佳，图２－２为使用该方法对树叶图逡逑像不同灰度映射下的分割结果，图２－２第一行为灰度映射处理后的树叶图像，当不同的逡逑灰度映射区间对图像加强效果不同时，图２－２第三行分割结果的差异较明显。该算法受逡逑灰度映射区间的选择约束，易造成分割效果或冗余或不足。逡逑ＨＭＵｈ逡逑图２－２不同灰度映射下的树叶图像阈值分割结果逡逑－１０－逡逑
【学位授予单位】：东北林业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S758;TP391.41

【相似文献】