共查询到18条相似文献,搜索用时 234 毫秒
1.
[目的]本文旨在克服光照不均引起的低对比度、反光、阴影、光斑及遮挡等对大田复杂背景下小麦冠层图像分割的干扰。[方法]设计了一种结合脉冲耦合神经网络(pulse coupled neural network,PCNN)与同态滤波的自适应图像增强和基于L*a*b*颜色空间α角度模型的K均值聚类分割算法。首先,将小麦冠层图像转换到HSI颜色空间,采用自适应算法对HSI空间的I分量进行增强处理,适当调节饱和度S分量,补偿光照强度分布不均,去除阴影及拉大对比度;其次,将增强处理后的图像映射到L*a*b*颜色空间,提取a*、b*分量建立α角度模型;最后,基于α进行K均值聚类分割处理。[结果]拔节前后光照强度不一、光照不均的冬小麦冠层图像的分割试验结果表明,该算法可一定程度避免基于L*a*b*颜色空间α角度分量K均值聚类的过分割现象;改善基于HSI空间H分量K均值聚类的欠分割缺陷,且对光斑、阴影遮挡、反光突出的图像分割更完整准确。[结论]本算法可为大田复杂背景下光照多变的作物冠层图像分割提供参考方法。 相似文献
2.
《江苏农业科学》2017,(16)
针对温室小范围复杂作业环境中的农作机器人视觉导航路径信息的提取方法进行研究。该方法首先对红、绿、蓝(red、green、blue,简称RGB)颜色空间各分量算子重新组合比较,在HSI(hue-saturation-intensity)色彩空间对不同光照条件下各分量的均值和标准差进行比较,对图像的RGB空间的各分量作差得到(G-B)、(R-B)差值图像,再对G-B、R-B差值图像和H分量图像用最大类间方差法(OTSU)分别进行最优阈值分割,然后再合并、滤波,将植物从背景中分离,最后用优化后的Hough变换进行植物行中心线的提取从而确定导航路线。结果表明,该方法能去除杂草和降低光照条件的影响,很好地适应复杂的温室环境,能准确分割和提取农作物行中心线,算法简单,实时性、鲁棒性强。 相似文献
3.
对土壤背景进行有效分割是玉米苗期田间杂草识别的前提和基础。本研究利用颜色分量G-R和G-B与灰度直方图来实现玉米苗期图像与背景图像的分割,解决了玉米苗期田间杂草识别中受影响及环境适应性差等问题。通过对不同环境下苗期玉米图像的植被颜色和背景颜色分量的统计分析表明,采用G-R和G-B双阈值颜色特征分割,进行土壤背景分离取得了很好的效果。 相似文献
4.
在不同彩色空间的分割效果的比较研究 总被引:1,自引:1,他引:0
本文是用实验的方法,利用分水岭算法对一幅图像在不同的彩色空间RGB、HSI和YIQ进行分割,然后对其分割效果进行定量比较。结果表明,对RGB空间要比对HSI和YIQ空间的分割效果好,而对YIQ空间比对HSI空间的分割效果要好,但经方差分析,他们之间没有显著差异。 相似文献
5.
解决大豆苗期图像中的土壤背景分割是大豆田间杂草识别的前提和基础.为了解决大豆苗期田间杂草识别中受光照影响及环境适应性差等问题,通过对400幅不同环境下苗期大豆图像的植被颜色和背景颜色分量的统计分析,得出用3基色红(R)绿(G)蓝(B)合成的同一像素点,绿色植被图像的颜色分量G值都大于R和B值,而背景则恰恰相反.研究表明,采用G-R和G-B双阈值颜色特征分割进行土壤背景分离取得了很好的效果,此方法较2G-R-B颜色特征分割法对绿色植物和土壤背景的分离更为有效,可广泛应用于处于各种农作物田间杂草识别及其它绿色植被分割中受光照变化影响较大的领域. 相似文献
6.
为避免人为评审带来的误差,运用图像处理技术中的图像分割、标记、HSI颜色模型对茶叶品质分级进行探讨。结果表明,该技术成功地对茶叶图像进行分割,并通过运用HSI颜色模型中H、S颜色分量的直方图,可以成功区分茶叶的等级。 相似文献
7.
《沈阳农业大学学报》2014,(5)
针对水稻插秧机视觉导航的基准线提取问题,探索采用基于垂直投影法为基础的识别算法识别水稻稻田图像导航基准线。首先人工读取稻田图像中秧苗、水、秸秆残茬、泡沫和泥的R、G、B像素值,绘制RGB、HSI、I1I2I3颜色空间的各颜色分量灰度直方图,分析差异,选取正交彩色空间的I3颜色分量灰度值分割图像;用最大类间方差法求取分割阈值,成功地把秧苗和背景分割开得到二值图像;在分割后的二值图像上添加掩膜,去除图像上部左、右角断垄秧苗图像,提高基准线识别精度;采用垂直投影法提取定位点,经过分析判断后用稳健回归法拟合成直线,该直线作为水稻插秧机自主行走的导航基准线。将20幅稻田图像采用该算法提取基准线,并与人工提取的基准线进行比较。结果表明:单幅图像最小平均误差率为0.78%,20幅图像均误差率为2.33%,说明该方法具有一定的可行性,能够为水稻插秧机自主行走提供导航信息。 相似文献
8.
9.
针对复杂背景下马铃薯病虫害图像色彩复杂多样的问题,提出了一种基于G-R分量与K-means的图像分割方法.该方法首先提取G-R分量灰度化图像,然后对图像进行中值滤波和形态学变换操作以去除部分背景,最后将处理过后的图像转换到L* a* b*色彩空间并提取ab分量进行K-means聚类分割.本文利用该方法将暗头豆芫菁及芫菁... 相似文献
10.
《农业工程技术:农产品加工》2015,(30)
快速有效地对农作物图像(特别是大田监控图像)进行绿色植被分割,在图像处理技术在农业中的应用中具有重要意义。小麦是我国一个重要的粮食作物,小麦田中植物呈现绿色,与土壤背景颜色有明显的差异,合适的选取颜色空间可进行有效分割,进而计算特定时段麦田的植被覆盖度,长势等信息。本研究首先通过对常见颜色模型各单通道图像进行初步对比分析,选取HSV的H分量、YCb Cr的Cr分量、L*a*b*的a*分量、RGB颜色空间的G与R减运算量,通过2013年11月至2014年3月的大量小麦监控图像,人工选取34幅图像进行植被分割,并从结果数据中统计分析每种彩色分量的分割准确度和标准差。最终得出了在对麦田监控图像进行植被分割中,L*a*b*颜色模型的a*通道具有最准确和最稳定的结果:34幅不同时点的麦田监控图像,图像分割平均准确度近90%,分割准确度标准差在0.08以下。 相似文献
11.
利用色度法识别杂草和土壤背景物 总被引:11,自引:0,他引:11
开发了一种计算机视觉系统,该系统选取杂草图像的色度值为颜色特征参数,采用阈值处理技术识别杂草和土壤背景物。实验结果表明,利用视觉系统对不同光照条件下的杂草图像进行分析。可以得到较满意的结果。 相似文献
12.
13.
基于机器视觉的作物对行喷药控制的研究 总被引:5,自引:2,他引:3
设计了一套基于机器视觉的作物对行喷药控制系统.首先由CCD摄像机拍摄成行作物图像,提取其色调值图像并用最大类间方差法二值化后,经数学形态学腐蚀后用Hough变换方法拟合作物行中心线,最后步进电机移动其喷头标识来对准此作物行.实验验证了该方法的正确性. 相似文献
14.
15.
16.
提出了利用背景图像LBP(局部二值模式)纹理和当前帧图像LBP纹理的相似度分析提取前景的方法,克服了车辆检测中常用的帧差法、背景差分法对光照比较敏感的缺点.同时基于H,S,V分量及改进的LBP纹理的联合直方图与金字塔L-K光流法中心跟踪相结合的Camshift跟踪算法,有效地解决了背景目标颜色相近可能会导致跟踪的目标区域加入背景后变大、处理较大帧间位移的视频跟踪上搜索窗口的位置准确度较低的问题.实验证明,该方法具有良好的检测和追踪效果. 相似文献
17.
基于计算机视觉技术的红火蚁蚁巢探测 总被引:1,自引:0,他引:1
为探讨基于计算机视觉技术对红火蚁蚁巢进行探测识别的可行性,研究了利用数字图像处理技术提取红火蚁蚁巢特征参数,通过数学形态学对数字图像进行目标提取和识别。采用图像识别红火蚁蚁巢土建立了HSV彩色空间模型。研究结果表明,各红火蚁蚁巢土和普通土样本的H分量差异明显,特别是普通土H分量明显大于红火蚁蚁巢土,一般土壤H值大于30,而对于红火蚁蚁巢土土壤的H值小于30。因此,H分量可作为识别红火蚁蚁巢土的一项特征参数。当色调通道的平均值H30时,即可判定为红火蚁蚁巢土。研究结果说明基于计算机视觉技术对红火蚁蚁巢进行检测识别是可行的。 相似文献
18.
A Review on Remote Sensing of Weeds in Agriculture 总被引:3,自引:0,他引:3
In the effort of developing precision agriculture tools, remote sensing has been commonly considered as an effective technique for weed patch delineation, where weed infestations are detected based on variations in the plant canopy spectral response. Because the canopy spectral response is important for weed detection, discussions on the irradiative interaction of light in plant canopies and the effect of variable soil background on the canopy spectral response are presented in this review. Also, a presentation of the current techniques for removal of soil effects, including vegetation indices and spectral mixture analysis, shows that these techniques have not been adequately developed for use in remote sensing-based weed detection applications. Given the nature of light interaction in a plant canopy, this review proposes that the spectral response of a plant canopy depends on both the species and the biomass density. Remote detection of weeds from ground-, aircraft-, and satellite-based platforms has been accomplished on a wide scale, yet the use of these weed detection methods to make variable-rate herbicide applications has not occurred as often. By judging success based on variable-rate herbicide applications rather than precise weed localization, some of the current problems in weed sensing may be skirted. 相似文献