專利名稱：基于均值漂移的農(nóng)作物冠層圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種圖像分割方法，特別是涉及一種農(nóng)作物冠層圖像分割方法。(二) 背景技術(shù)作物的許多群體特征同時也是視覺特征，因此可以利用數(shù)字圖像技術(shù)對其進 行分析。所謂數(shù)字圖像技術(shù)是指利用計算機對獲取的數(shù)字化圖像進行處理、分析 并提取信息。利用數(shù)字圖像技術(shù)分析作物群體特征的關(guān)鍵一步就是圖像分割一一 將作物冠層圖像分成作物和非作物(土壤和殘余物)。目前，利用數(shù)字圖像技術(shù)分割作物冠層圖像時采用兩種方法一一基于圖像處 理軟件的手動方法和基于圖像分割技術(shù)的自動方法。其中，手動方法分割精度高， 但是需要較多的人工參與，使用起來不方便。這類方法有王曉靜等人和紀秀峰 采用Adobe Photoshop 7. 0直接去除土壤背景方法；Lukina利用軟件Micrografx pixture，通過交互調(diào)節(jié)數(shù)字影像的對比度和色彩平衡方法分割小麥冠層圖像； Ewing利用軟件RGBcal,DyEye和RootEdge通過交互調(diào)節(jié)紅綠藍顏色、色調(diào)、 明度、和飽和度的的閾值及紅綠藍的主成分分析方法分割玉米冠層圖像； Richardson利用軟件SigmaScan Pro通過交互調(diào)節(jié)色調(diào)和飽和度的閾值分割草 地圖像。自動方法不需要人的直接參與，這類方法有王桂琴、雷詠雯、袁道軍、單 成鋼、Cescatti、 Ling、 Shresthal、 Reid、 Stefan、 Wang等人釆用的基于閾值 的分割方法；Neto等人采用的基于連通元、模糊聚類和遺傳優(yōu)化算法的分割方 法；Bunting、Lhermitte等人采用的基于植被指數(shù)的分割方法；Mallinis、Grandi、 Wang、 Kampa、 Li等人采用的多尺度分割方法；0nyango等人采用的基于物理反 射模型的分割方法；Clement采用的基于直方圖的分割方法；Dong等人采用的基 于高斯-馬爾可夫隨機域模型的分割方法；0uchi等人采用的高斯期望最大化分 割方法；Crespo等人采用的基于神經(jīng)網(wǎng)絡(luò)的分割方法；01 iver等人釆用的基于 紋理的分割方法；Moigne等人采用的基于邊緣和區(qū)域的分割方法；Gallo等人采用的基于形狀分析的分割方法；Rodriguez等人采用的規(guī)范分析方法的分割方法; 陳水森、Sadjadi等人釆用的基于預先存儲的模型的分割方法。在這兩大類方法中，半自動方法需要較多的人工干預，但是分割精度較高， 自動分割方法不需要人工干預，但是分割效果不盡如人意。
發(fā)明內(nèi)容本發(fā)明的目的在于提供一種需要設(shè)定的參數(shù)較少，特征提取過程簡單明了 ， 易于實現(xiàn)，分割正確率高的基于均值漂移的農(nóng)作物冠層圖像分割方法。本發(fā)明的目的是這樣實現(xiàn)的首先，將在RGB顏色空間中表示的作物冠層圖 像進行重新采樣；然后，將作物冠層圖像變換到HSI空間中；接下來，將作物冠 層圖像中的每一個像素用四個特征值組成的四元組表示，即G-R、 G_B、 H、 S, 其中R、 G、 B分別表示像素的在RGB空間中的紅色分量、綠色分量和蘭色分量， H、 S分別表示像素的在HSI顏色空間中的色度和飽和度；然后，利用均值漂移 算法將作物冠層圖像分割為不同的類；最后，計算每一類的特征均值，若該均值 的第一、第二個分量均大于O則判斷為作物，否則為非作物?？紤]到農(nóng)作物冠層圖像相對來說顏色比較均勾，因此，所述的利用均值漂移 算法將作物冠層圖像分割為不同的類是在計算重心時不是對整個圖像進行加權(quán) 平均，而是在事先規(guī)定的一個mxm窗口中進行。首先設(shè)定采樣后圖像中任意未 被分類的像素P為mxm窗口的重心，然后，利用均值漂移向量計算以p為中心 的mxm窗口的重心與像素p之間的偏移量，從而得到新的重心位置；這個過程 反復疊代，直到每一次計算的偏移量小于預先設(shè)定的閾值。這種方法只在以像素 p為中心mxm窗口范圍內(nèi)計算偏移量，大大減小了計算量，節(jié)省了計算時間。本發(fā)明所采用的技術(shù)方案是，首先，將在RGB顏色空間中表示的作物冠層圖 像進行重新釆樣，以減小圖像尺寸，加快圖像處理的速度；然后，將作物冠層圖 像變換到HSI空間中；接下來，將作物冠層圖像中的每一個像素用四個特征值組 成的四元組表示，即(G-R, G-B, H， S ),其中R、 G、 B分別表示像素的在RGB空間 中的紅色分量、綠色分量和蘭色分量，H、 S分別表示像素的在HSI顏色空間中 的色度和飽和度；然后，利用均值漂移算法將作物冠層圖像分割為不同的類，在 這一步中，為了加快運算速度，在計算重心時不是對整個圖像進行加權(quán)平均，而 是在事先規(guī)定的一個mxm窗口中進行；最后，計算每一類的特征均值，若該均值的第一、第二個分量均大于O則判斷為作物，否則為非作物。本發(fā)明的有益效 果是，對農(nóng)作物冠層圖像的分割豐較髙，需要設(shè)定的參數(shù)不僅各數(shù)較少，而且具 有明確的物理意義，同時，特征提取過程簡單明了，算法易于實現(xiàn)。 具體實施方式
下面舉例對本發(fā)明做更詳細地描述首先，為了提高分割速度，將作物冠層圖像進行重新采樣，以減小圖像尺寸。具體作法是將原圖像,分成rx/"的小區(qū)域，計算每個小區(qū)域的RGB顏色 平均值，用這個顏色平均值表示該小區(qū)域的顏色，得到處理之后的圖像/。經(jīng)過 這樣的處理之后，圖像/的尺寸變?yōu)閳D像尸的1"。其次，為了提取不同的顏色特征，將重新采樣的圖像/變換到HSI顏色空間。 然后，對于圖像/的每一個像素提取四個特征，即G-R,G-B,H,S,并將圖 像/的每一個像素用四元組(G-R,G-B,H,S)表示。最后，利用均值漂移算法將作物冠層圖像分割為作物和非作物，同時為了加 快運算速度，在計算重心時不是對整個圖像進行加權(quán)平均，而是在事先規(guī)定的一 個邁x辺窗口中進行，具體做法如下 步驟l, /=0;步驟2，選定圖像/的第/個像素，其位置為/',特征值為-步驟3,選定圖像中以7為中心的加x歷窗口，同時令窗口的初始重心G= x,.; 步驟4,使用式(l)計算歷xy/;窗口的新重心G,<formula>formula see original document page 5</formula>其中，//:(/2，2,/222，/Z32，/ 42)為帶寬矩陣，A為"X/Z7窗口中第J'個像素 的特征值。步驟5,若<formula>formula see original document page 5</formula>(e為給定誤差限)，轉(zhuǎn)步驟6,否則令C。= G，轉(zhuǎn)步 驟4;步驟6，令;c,-C,,/=/+1,重復步驟2 _步驟6直至遍歷圖像/的所有像素；步驟7，重新遍歷圖像/的所有像素，若像素/和像素7'滿足如下條件，I & — 、d 1<1 & I對于d=1， 2, 3, 4成立則合并為同一類，其中，^表示A的第rf個分量。 步驟8,刪除包含像素個數(shù)小于15的類。步驟9，遍歷圖像/所包含的所有類，計算類/ (^1，2….，yV; yV為類的個數(shù)) 特征均值^ =(浙,，仏，尾，/^)，若^>0并且^>0,則該類所包含的 區(qū)域為作物，否則為非作物。
權(quán)利要求
1、一種基于均值漂移的農(nóng)作物冠層圖像分割方法，其特征是首先，將在RGB顏色空間中表示的作物冠層圖像進行重新采樣；然后，將作物冠層圖像變換到HSI空間中；接下來，將作物冠層圖像中的每一個像素用四個特征值組成的四元組表示，即G-R、G-B、H、S，其中R、G、B分別表示像素的在RGB空間中的紅色分量、綠色分量和蘭色分量，H、S分別表示像素的在HSI顏色空間中的色度和飽和度；然后，利用均值漂移算法將作物冠層圖像分割為不同的類；最后，計算每一類的特征均值，若該均值的第一、第二個分量均大于0則判斷為作物，否則為非作物。
2、 根據(jù)權(quán)利要求1所述的基于均值漂移的農(nóng)作物冠層圖像分割方法，其特 征是所述的利用均值漂移算法將作物冠層圖像分割為不同的類是首先設(shè)定釆 樣后圖像中任意未被分類的像素p為mxm窗口的重心，然后，利用均值漂移向 量計算以P為中心的mxm窗口的重心與像素p之間的偏移量，從而得到新的重 心位置；這個過程反復疊代，直到每一次計算的偏移量小于預先設(shè)定的閾值。
全文摘要
本發(fā)明提供的是一種基于均值漂移的農(nóng)作物冠層圖像分割方法。首先，將在RGB顏色空間中表示的作物冠層圖像進行重新采樣；然后，將作物冠層圖像變換到HSI空間中；接下來，將作物冠層圖像中的每一個像素用四個特征值組成的四元組表示，即G-R、G-B、H、S，其中R、G、B分別表示像素的在RGB空間中的紅色分量、綠色分量和藍色分量，H、S分別表示像素的在HSI顏色空間中的色度和飽和度；然后，利用均值漂移算法將作物冠層圖像分割為不同的類；最后，計算每一類的特征均值，若該均值的第一、第二個分量均大于0則判斷為作物，否則為非作物。本發(fā)明的有益效果是，需要設(shè)定的參數(shù)較少，特征提取過程簡單明了，算法易于實現(xiàn)，分割正確率高。
文檔編號G06T5/00GK101226633SQ20081006394
公開日2008年7月23日 申請日期2008年1月30日 優(yōu)先權(quán)日2008年1月30日
發(fā)明者鄭麗穎 申請人:哈爾濱工程大學