基于改进的Otsu法对红花图像分割的研究.pdf

第 卷 第 期 年 月林 业 机 械 与 木 工 设 备 .研究与设计基于改进的 法对红花图像分割的研究董芙楠 郭 辉 潘江如 韩英杰(.新疆工程学院控制工程学院新疆 乌鲁木齐.新疆农业大学机电工程学院新疆 乌鲁木齐)摘 要:红花图像分割的准确率直接影响后期红花空间定位的精度 利用改进的色差模型结合 法建立一种准确分割目标红花的方法 首先将 颜色空间转换为 颜色空间利用、阈值范围清除图像背景像素初步对图像像素进行筛选然后利用双边滤波法对筛选后的图像进行预处理随后利用基于最小二乘原理的色差模型快速准确分割目标红花最后采取最小外接矩的方法标记出目标红花和重心点将标记效果融合到红花原图中完成红花识别 结果表明基于改进的色差模型图像分割效果明显准确率高达 对于复杂背景的红花图像具有一定的适应性关键词:红花分割 法色差模型最小二乘原理中图分类号:.文献标识码:文章编号:()(.):.:收稿日期:基金项目:新疆维吾尔自治区重点研发计划项目“特色经济作物收获机械装备研究及集成示范”()第一作者简介:董芙楠讲师硕士研究方向为农业信息化:.红花是一种特色复合经济作物且有良好的医药功效 红花的采摘周期比较短一般在 天左右因此需要及时采收 由于红花生长姿态参差不齐、茎秆高低不一以及花球分布不均匀等致第 期董芙楠等:基于改进的 法对红花图像分割的研究使采收机械无法实现自动化采摘 因此开发一种智能化高效红花采摘装置对红花产业有重要意义其中红花的识别是实现红花自动化采摘的关键 日本冈山大学的 在对番茄图像的识别中在预处理时利用番茄的颜色信息以 图像的、分量的差异对图像进行了处理 得到了很好的分割效果但是对树枝遮挡的部分无法分割 等也对 颜色空间下的颜色信息进行研究将 、分量归一化即使在光照不均匀的情况下也可以减少光照影响 除此之外 颜色模型中的色调分量也可以较好地将绿色植株分离出来但是该方法耗时较长 等在 颜色空间中发现 分量中果实与背景有最大的差异结合图像的直方图中双峰值差异得到了超过 的分割准确率 该算法的准确率受成像时的光照条件的影响在光照可控的条件下可以获得较高的准确率 等针对智能农机采摘机器人的视觉系统提出了一种改进的最大类间方差法全局阈值算法在复杂环境下对 种水果图像进行了识别取得了较好的识别效果 闫彬等对猕猴桃的 图像采用 聚类算法和最大类间方差法相结合提取出猕猴桃的果萼 闫建伟等采用 色差分量法和 颜色空间模型对刺梨图像进行两次阈值分割最终刺梨果实识别正确率均高于 但是目前对于利用机器视觉识别和定位红花的研究较少张天勇等对红花图像识别采用色差因子 区分目标和背景并采用最大类间方差法(算法)进行图像分割但是模型的鲁棒性不强需要进一步优化 本文针对大田背景下成熟期的红花提出了一种改进的色差模型结合 法可快速准确识别目标红花为红花采摘机器人视觉导航系统的开发提供理论基础 试验材料和方法.样本采集采集环境为自然光照下的上午 点和下午 点 采集时间为 年 月 日至 年 月 日 大田红花可以进行采摘的标准:当红花花冠裂片开放雄蕊开始枯黄红花花冠由黄变鲜红油润时进行红花花冠的采摘 盛开期呈红黄色或红色主要以红色为主本文样本为开放 天的红花符合红花花丝的采摘要求 红花图像采集设备由 厂家推出的 ()的双目深度相机、笔记本计算机以及移动平台等组成 相机参数见表 表 相机基本参数参数名称参数值型号使用场景室内室外输出分辨率/最高 输出帧速率/深度范围/.深度视场/.()()()相机尺寸/深度精度/室外采集环境下以大田环境为代表红花的生长环境复杂采集图像的背景也是复杂多样的主要有绿叶、花冠托、茎秆和土壤四种背景 如图 所示 这四种背景元素的大小和形状也不相同图 不同背景下的红花图像.色差模型的构建为了分析红花采摘条件的颜色特征需要采集大量的红花的图像样本 在颜色空间下对红花特征值分析最后利用统计学原理得到颜色空间下满足采摘条件的红花颜色阈值为全局阈值分割 法提供数据基础.颜色空间下特征值分析为了分析红花图像在颜色空间下的特征规律林业机械与木工设备第 卷利用 .图像处理软件在图像中画一条黑色椭圆剖线线内像素覆盖红花花丝、茎叶、土壤、花冠托等要素如图()所示 此剖线图能够反应出要素在特征值上的区别 在软件 选项中分别选择 颜色空间和 颜色空间分量图分别如图()和()所示其中在 颜色空间下红色曲线代表 分量绿色曲线代表 分量蓝色曲线代表 分量 同理在 颜色空间下红色曲线代表 分量绿色曲线代表 分量蓝色曲线代表 分量图 红花图像剖线分量图采集 张光照强度不同的红花图像对红花区域像素进行分析对各分量的均值和标准差进行计算和统计 在 颜色空间下通过统计计算红花区 域 均 值 在 之 间 标 准 差 在.之间 均值在.之间标准差在.均值范围比较大标准差最大为.由此可见、值分布区间比较集中 均值范围比较大数据离散 原因是盛开期的红花主要以橘红色为主且色素分布集中而绿色素和蓝色素主要集中在茎叶和花冠托中 通过计算结果分析可知图()分量图中 个黑色方框标记的是红花花丝区域 原因是像素在、以及 区间、数值区别较大且 值处于最大水平处 值在最低端同理在 颜色空间下通过统计计算、分量均值范围分别为 、之间 图()分量图中像素区间分别在 、以及 之间、数值区别较大且 值处于最低端、值走势相同且远远大于 值 结合图()和()分量图的像素区间范围几乎吻合由此确定 个黑色方框为红花花丝区域 颜色空间是最基本的模型、三分量是高度相关的任意的可见颜色光都可以由红色、绿色以及蓝色三种基本色相混合而成 颜色空间和 颜色空间可以相互转换前者与后者不同之处在于 颜色模型不将特定的颜色分解为 三种颜色只描述 三种颜色基本属性将光强信息与颜色信息分离表示色度值保持较稳定对周围环境光线强弱不敏感.基于最小二乘原理的图像分割色差模型色差模型是利用图像中不同颜色通道之间的色差特点或规律对图像像素进行遮蔽或抽取的一种技术 一般在对图像前景(目标)进行提取时通常先将彩色图片转换成灰度图再通过色差模型将灰度图转变成前景和背景分开的色差图 所以如何将色彩空间下的彩色图片转化成突显出感兴趣目标轮廓的色差图是本文的关键通过.节分析对于红花花丝区域的、参数分布区间集中稳定且 和 的变化趋势接近非红花区域则没有以上特性 红花花冠区域的这种特性非常适合利用最小二乘法拟合来建立 和 第 期董芙楠等:基于改进的 法对红花图像分割的研究之间的关系利用这种关系可以在灰度图中将花丝与背景区分具体方法如下利用红花花丝区域的、参数建立基于最小二乘法的、拟合模型 如图 所示、数据区间稳定符合一元线性回归特点 实线是在建立模型之前对数据进行了处理默认置信度为 对数据进行处理 直线表达式如式().()为了在转化灰度图片时红花区域灰度值尽量最小建立色差 的计算模型如式().()利用式()色差可以将彩色图片转换成突显前景的灰度图片图 最小二乘法、分量值线性拟合图基于色差模型的图像分割方法其计算流程如下:()利用色差模型对图像中的背景进行弱化更有效地突出了目标增大了前景与背景的灰度差异此时的灰度图片称为色差图()根据色差图做出相应的灰度直方图并分析()结合灰度直方图利用固定阈值将目标从背景中准确分割出来.基于改进的色差模型 分割方法自适应阈值分割法 法具有较好的算法适用性 法是利用不断迭代的计算把图像的灰度层次分成 个部分使 个部分之间的灰度值差异最大传统的色差模型分割法对前景和背景区别度大的图像识别效果很好但是在室外环境下尤其在大田背景下易受光照和其他杂质的影响造成误识别 对于智能化图像分割固定阈值需要在不同环境下手动更改分割阈值不能实现实时性 因此为了减少光照影响提高识别速度在色差法处理之前可以先加入一种基于 色彩空间的像素检测筛选处理 首先将 颜色空间转换为 颜色空间利用、阈值范围清除明显不是红花的像素初步对图像像素进行筛选缩小后期色差法遍历的像素个数提高效率 然后利用色差模型处理筛选过的红花图像得到背景干净的色差图绘制并分析灰度直方图 最后利用全局阈值 法实现实时图像分割前景和背景完全分离效果和速率得到很大的提升 红花图像识别试验及结果分析.图像预处理图像预处理关系到图像分割算法的效率和准确性 文中采用高斯、均值、中值及双边滤波这四种图像预处理方法对图像滤波、双边滤波能很好地保留边缘信息所以本文选择双边滤波对图像进行处理.图像识别对比分析.节和.节分割法的分割效果随机对采集的样本图像进行分割红花图像如图()所示图 色差图分别对图()和图()色差图做灰度直方图林业机械与木工设备第 卷如图()和图()所示两个图中均显示两个峰值以区分前景和背景在两个峰值之间存在最优阈值图()像素分布范围广说明背景因素多其对应的二值图如图()所示 但图()目标与背景分界明显背景干净几乎不存在杂质灰度值突变效果显著其对应的二值图如图()所示图 直方图图 二值图经二值化处理后的红花图像仍然具有少量的噪声干扰并且存在有大量因红花花丝纹理特性带来的黑色空洞 为了执行后期的区域连通与最小外接矩操作有必要对空洞进行填充 本文拟采用的形态学处理方法为先进行闭运算后开运算 效果图如图 所示图 形态学处理效果图根据采集样本的多样性选择不同时段以及不同角度具有代表性的红花样本图片其中包含若干不等的红花花簇如图()()所示图 红花样本图片图 改进的色差模型 分割法效果图利用改进的色差模型 分割法对以上几种图像进行分割同样采用先进行闭运算后开运算的形态学处理方法分割效果如图 所示采用 边缘算子检测的方法检测分割图得到红花的边缘轮廓清晰 在提取出红花边缘后采取最小外接矩的方法标记出目标红花和重心点如图()所示此时红花的主要识别工作已经完成 将标记效果融合到未经处理的红花原图中即可清晰明了地将红花位置表达出来显示效果如图()所示图 目标红花的标记与融合为了验证本文识别的准确性首先手动用矩形框标记出目标区域如图 所示并利用程序求出第 期董芙楠等:基于改进的 法对红花图像分割的研究目标区域面积并标记重心点如图()所示 红花识别标准是图中肉眼可分辨红花花丝部分即进行标记利用本文识别方法将形态学处理后的不规则白色轮廓区域用最小外接矩包围如图()所示求出矩形框的面积然后与手动标记面积进行对比面积误差小于 且重心坐标误差小于 红花识别被认定为准确识别 重心点坐标()的 方向的误差、面积误差公式分别如式()、式()和式()()()标注 程序标注()图 手动标记效果图 标记效果对比随机选取 组包含不同花簇的图像样本进行试验重心点坐标误差和面积误差试验结果记录见表、表 表 重心点坐标误差记录表序号标注重心坐标程序重心坐标 坐标误差()坐标误差()()().()().()().()().()().()().()().()().()().()().()().()().表 面积误差记录表序号标注矩形面积程序矩形面积面积误差().结果分析基于改进的色差模型分割法用全局阈值法 与固定阈值法作对比识别准确率和效率都得到很大提升而且实现了实时性 改进的色差模型结合 算法可以准确地识别出红花目标背景包含信息少杂质几乎被滤除 利用本文分割方法采用误差法评价标准对 组不同光照背景下的红花图像进行识别试验验证结果显示红花识别准确率均高达 以上林业机械与木工设备第 卷 讨论与结论对试验结果进行分析可以发现利用改进的色差模型分割后色差图背景干净几乎无杂质噪声干扰小 从灰度直方图可以直观地看出前景和背景灰度值分布明显存在最优阈值结合 法实现实时分割 为了验证本文方法的可行性利用手动标记红花的方法将面积和重心点标注与本文方法分割出来的面积和重心点做对比重心点坐标小于面积误差小于 认定完成识别识别准确率高达 本文方法能识别背景复杂的红花图像利用 颜色空间筛选方法进行像素检测筛选处理降低了光照和其他背景杂质的影响提高了准确率和效率 因此本文建立的色差模型图像分割的方法能很好地将红花目标识别出来并获取重心点为今后红花空间定位奠定基础参考文献:国家药典委员会.中国药典一部.北京:中国医药科技出版社:.李洪军 李磊.红花适时采收及干制方法.农村百事通():.():.():.:.():.():.闫彬郭文川.基于 聚类与果萼形状的海沃德猕猴桃膨大果检测方法.西北农林科技大学学报(自然科学版)():.闫建伟赵源苏小东等.基于深度学习的自然环境下刺梨果实识别.农机化研究():.张天勇张立新葛云等.红花花丝二维中心点标定方法研究.计算机工程与应用():.张礼帅.基于双目视觉的无人喷雾机行人识别与避障路径规划研究.镇江:江苏大学.曹亮.基于 理论的图像分割算法研究.武汉:武汉理工大学.黄国祥.颜色空间及其应用研究.长沙:中南大学.褚文杰.基于 的坦克装甲车辆目标检测关键技术的研究.北京:北京交通大学.张晗王成董宏图等.基于机器视觉的白菜种子精选方法研究.农机化研究():.包新月俞磊.计算机数字图像处理常用颜色空间及转换.电子技术与软件工程():.张保华.基于机器视觉和光谱成像技术的苹果外部品质检测方法研究.上海:上海交通大学.赵世达.基于机器视觉的草莓识别技术研究.武汉:武汉轻工大学.陆尚平.基于机器视觉的甘蔗茎节识别与蔗芽检测研究.武汉:华中农业大学.汤勃孔建益伍世虔.机器视觉表面缺陷检测综述.中国图象图形学报():.胡觉晖李一民潘晓露.改进的光流法用于车辆识别与跟踪.科学技术与工程():.齐锐丽.基于机器视觉花椒目标识别与定位技术研究.汉中:陕西理工大学.胡觉晖李一民潘晓露.改进的光流法用于车辆识别与跟踪.科学技术与工程():.