基于K-means聚类的植物叶片图像叶脉提取.pdfVIP

第28 卷 第17 期 农 业 工 程 学 报 Vol.28 No.17 2012 年 9 月 Transactions of the Chinese Society of Agricultural Engineering Sep. 2012 157 基于K-means 聚类的植物叶片图像叶脉提取 李灿灿，王 宝，王 静，李丰果※ （华南师范大学物理与电信工程学院，广州 510006 ） 摘 要：植物的叶片是植物最基本、最主要的生命活动场所。叶脉的提取与分析对叶片和整株植物结构的分析有 一定的应用价值。该文提出一种基于K-means 聚类 （clustering ）的叶脉提取算法。该算法首先对叶片图像的HSI 彩色空间中的I 信息进行K-means 聚类处理，根据聚类的结果提取叶片边界，并将叶片图像分为受光均匀和受光 不均匀的2 类。对于受光均匀的叶片图像在聚类结果中直接提取叶脉，而受光不均匀的叶片图像则需去除部分叶 肉后再进行一次K-means 聚类提取叶脉。结果表明：该算法能有效地降低叶脉提取的错分率。 关键词：图像处理，图像分割，聚类算法，HSI 彩色空间，叶脉提取 doi ：10.3969/j.issn.1002-6819.2012.17.023 中图分类号：TP391.4, S126 文献标志码：A 文章编号：1002-6819(2012)-17-0157-06 李灿灿，王 宝，王 静，等. 基于K-means 聚类的植物叶片图像叶脉提取[J]. 农业工程学报，2012，28(17)： 157－162. Li Cancan, Wang Bao, Wang Jing, et al. Extracting vein of leaf image based on K-means clustering[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(17): 157－162. (in Chinese with English abstract) [6] 等 提出一种基于细胞神经网络 （CNN ）的植物叶 0 引 言 脉图像提取方法。该类方法通过神经网络参数的合 植物是地球上最重要的生命形式之一，是人类 理设计，能够提取较为理想的叶脉络和叶边缘信 生存不可缺少的资源。近年来，随着计算机图像处 息，但较耗时。对于数学形态学方法，金秋春等[7] 理技术的快速发展，计算机图像处理技术已广泛应 提出了多方向Top-Hat 变换的叶脉提取方法，采用 用于植物的研究，其中对植物建立数据库并进行检 Gauss 梯度计算叶片图像各点方向，利用多方向 索和识别的研究得到了人们的关注。植物的叶片是 Top-Hat 变换算子进行变换，根据阈值提取叶脉； 植物最基本、最主要的生命活动场所，直接反映植 [8] Xu Xiaohong 等 使用分水岭分割算法提取主叶脉 物的种类和植物的生长状态，因此植物的叶片可以 和二级叶脉。该类方法需要设置合理阈值，不能完全 [1] [9] 作为植物识别的一个重要特征 。而叶脉又是叶片