基于HOG特征和SVM的棉花行数动态计数方法

发布时间：2021-07-21 02:59

　　正确地进行棉花行数的动态计数是保证视觉植保车在田端横移过程中实现准确定位的前提。该研究以植保期间的棉花作物为研究对象,提出通过方向梯度直方图（Histogram of Oriented Gradient,HOG）和支持向量机（Support Vector Machine,SVM）实现棉田的棉花行动态计数方法。为了减少棉花行之间的粘连,以及缺苗和倒伏对棉花行识别造成的影响,设置图像的感兴趣区域（Region of Interest,ROI）;为了减小相机抖动、光照变化以及刮风对动态数行造成的影响,使用HOG-SVM模型在视频序列图像ROI区域内窗口滑动检测,将棉花行和行间背景分别设置正、负样本,通过提取二者HOG特征、多次训练获得SVM分类器参数,固化HOG-SVM模型,再使用非极大值抑制（Non-Maximum Suppression,NMS）进行窗口的归一,通过归一化互相关（Normalized Cross Correlation,NCC）模板匹配实现棉花行的动态跟踪和计数。结果表明,该方法可以准确地对棉花行实现动态计数,有很好的泛化能力,识别率高于90%,平均每帧检测时间为32 m... 

【文章来源】：农业工程学报. 2020,36(15)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

图像采集方式

胞元作为组成样本图像HOG特征的最小单元，其梯度方向和大小由组成胞元的像素梯度方向直方图确定。将方向梯度个数bO作为横轴，将每个bO的方向梯度的像素个数作为纵轴，对每个像素点的梯度方向做直方图统计，为了简化计算，将每个像素的梯度作为“无符号”的标量，方向梯度从0°～360°映射到无符号的0°～180°，对胞元内每个像素的梯度方向在直方图中进行投影，得到这个胞元的梯度方向直方图，梯度方向的个数为bO，其计算如式（2）所示像素的梯度方向在水平和垂直方向的大小由bO确定，设像素等水平梯度算子为[-1,0,1]，像素的垂直梯度算子为[-1,0,1]T。像素点（x,y）处的水平梯度Gx(x,y）和垂直梯度Gy(x,y）计算分别如式（3）和式（4）所示

式中?是垂直于超平面H的向量，b为超平面H的截距。为了能够获得图像中的棉花行以及行间背景之间最好的分类效果，引入拉格朗日优化理论，分别求出2个异类支持向量超平面H1和H2，并进一步找出满足最大集合间隔的超平面H。为了得到训练SVM分类器的参数，保证分类效果，SVM的训练过程分为2个步骤：

【参考文献】：
期刊论文
[1]质心跟踪视频棉花行数动态计数方法[J]. 梁习卉子,陈兵旗,李民赞,魏超杰,杨艳秋,王进,冯杰.  农业工程学报. 2019(02)
[2]喷杆式施药机对行喷雾控制系统设计与试验[J]. 张波,翟长远,蔡吉晨,杨硕,王秀.  农机化研究. 2017(11)
[3]基于图像特征点粒子群聚类算法的麦田作物行检测[J]. 姜国权,杨小亚,王志衡,刘红敏.  农业工程学报. 2017(11)
[4]基于图像处理的玉米收割机导航路线检测方法[J]. 梁习卉子,陈兵旗,姜秋慧,朱德利,杨明,乔妍.  农业工程学报. 2016(22)
[5]气象要素对石河子地区参考作物蒸发蒸腾量的影响[J]. 王萌萌,吕廷波,何新林,辛明亮,曹玉斌.  石河子大学学报(自然科学版). 2016(05)
[6]基于Census变换的双目视觉作物行识别方法[J]. 翟志强,朱忠祥,杜岳峰,张硕,毛恩荣.  农业工程学报. 2016(11)
[7]油菜直播机导航路径识别方法研究[J]. 周雅文,丁幼春,杨军强,詹鹏,张闻宇.  华中农业大学学报. 2016(03)
[8]影响棉花化学打顶施药机车喷雾效果与产量的多因素分析[J]. 王刚,张鑫,陈兵,叶春秀,王旭文,韩焕勇,赵海.  中国棉花. 2016(04)
[9]基于小波变换及Otsu分割的农田作物行提取[J]. 韩永华,汪亚明,孙麒,赵匀.  电子与信息学报. 2016(01)
[10]基于最大正方形的玉米作物行骨架提取算法[J]. 刁智华,吴贝贝,毋媛媛,魏玉泉,钱晓亮.  农业工程学报. 2015(23)



本文编号：3294166