用彩色图像提取植物特征的研究_计算机论文.docVIP

用彩色图像提取植物特征的研究_计算机论文 用彩色图像提取植物特征的研究_计算机论文 摘要 本文介绍了一种基于计算机视觉的快速植物识别算法，能够快速正确地将植物从复杂的土壤背景中识别出来，从而满足实时地为后续变量控制提供信号的要求。利用AOI测试工具，采集了不同土壤、作物残留物以及各种光照条件下植物的图像进行处理，通过提取图像中每一个像素的R、G、B三个分量值计算出（2G－R－B）过绿颜色特征值，将彩色图像转变成灰度图像显示。关键词 计算机视觉；图像处理；AOI；作物识别；像素 1　　概述 借助于计算机视觉技术的智能化，能快速识别出植物，判断其覆盖率，并确定其位置，有针对性地采取措施。这不仅能能降低投入，而且对我国温室精确种植和设施农业着重要的经济意义和实际价值。随着计算机软硬件性能价格比的提高，特别是近十年来计算机技术在各个领域的渗透，利用计算机视觉技术来取得植物特征并作进一步分析已经变得切实可行[1]。 本文针对温室大棚采集的杂草图像进行研究，实现了一种快速植物特征提取与识别算法，能够满足实时地为后续变量控制提供信号的要求，为进一步的研究工作打下了一定的基础。 2　　图像处理 2.1 　图像分割 利用CCD彩色摄像机获取的图像，通过图像采集卡将获取的图像以真彩色24位位图的格式存储。真彩色24位位图在存储格式上是以３个字节表示图像中的一个像素点。这三个字节分别存储像素点的R、G、B颜色分量值。三个值根据RGB颜色坐标系统（见图1）合成这个像素点的颜色值。目的一是为了获得更多的信息量，二是为了减少图像解压缩的过程，加快处理速度。 图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。随后的图像处理，诸如特征提取和对象识别，都依赖于图像分割的质量。图像分割就是指把图像分成各具特性的区域并提取感兴趣目标的技术和过程[2]。尽管人们在图像分割方面做了许多研究工作，但由于没有通用的分割理论，现己提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法[3]。这里的图像分割，主要是指去除 植物图像中的土壤背景及作物残茬。为了有效的将叶面与背景区分，要对原始图像数据进行选择和变换，得到 最能反映分类本质的特征。在此所说的图像特征，指的是图像中各个点的特征，而不是整个图像的整体特征。 对于彩色图像分割问题，必须充分利用彩色图像所包含的丰富的色彩信息，选择适当的特征，使目标和背景能依据特征上的差别进行区分，利用这个颜色特征将彩色图像转变成灰度图像，再确定阈值将灰度图像二值化。 2.2 　RGB和HSI坐标系统 数字图像处理中，常用的颜色坐标系统有RGB和HSI坐标系统（坐标系统图如图1、图2）。RGB颜色坐标系统以红R、绿G、蓝B三种颜色为基色，其它颜色由这三种基色加权混合而成。HSI坐标系统中H表示色调（Hue），S表示饱和度（Saturation），I表示密度，对应图像的亮度（Intensity）。面向硬件设备（如彩色显示器和打印机等）的最常用彩色坐标系统是RGB坐标系统，而面向彩色处理的最常用颜色坐标系统是HSI坐标系统，HSI坐标系统有两个特点：其一，I分量与图像的彩色信息无关；其二，H和S分量与人感受颜色的方式是紧密相连的。这些特点使得HSI坐标系统非常适合于借助人的视觉系统来感知彩色特性的图像处理算法[4]。 　　　　　　 图1 RGB 颜色坐标系统 　　　　　　图2 HSI 颜色坐标系统 从RGB坐标系统到HSI坐标系统的转换公式如下：在RGB颜色坐标系统中，如果不考虑光照强度，而只对色度感兴趣，则只要知道R、G、B的相对值即可。相对值 r、g、b称为色度坐标，其计算公式如下： （2） 其中，Rn、Gn、Bn分别是规范到0～l之间的RGB值，其计算公式如下： （3） 式中的Rm、Gm、Bm分别是RGB颜色坐标系中的最大分量值。不同的彩色显示系统有不同的取值范围，例如，一个24位的真彩色显示系统中，Rm=Gm=Bm，此时r、g、b可按下式计算 　　 （4）　　 2.3　统计实验 物体的颜色是由它的反射光谱特性和光源特性所决定的。由于有生命的杂草的反射光谱特性不同于无生命的土壤背景，因而两者在颜色上形成了鲜明的对比，但在亮度上差别不明显。对不同土壤、土壤残留物以及各种光照条件下的用于识别杂草颜色指数所做的研究表明，在通常情况下，植物图像的背景即土壤有较大的r、b值，而其g值却总小于植物本身的g值，这里r、g、b是归一化的颜色分量，其计算公式如（4）。通过研究利用r－b、g－b、（g－b）/|r－g|和（２g－r－b）等指标来区别植物与非植物背景是非常有效的。本文在前人的研究基础上，利用AOI（Area of interest，感兴趣区域）测试工具对大量的包含各种类型的杂草图像进行颜色特征