基于模糊聚类的农田对象分类.pdfVIP

2015年 2月 农 机 化 研 究 第 2期 基 于模 糊 聚类 的农 田对 象分 类 唐晶磊 ，罗 刚，苗荣慧 ，张 招 (西北农林科技大学 信息工程学院，陕西 杨凌 7l2100) 摘 要：利用图像分析技术对农 田对象进行分类 ，识别农 田中不同植物和不 同湿度土壤 ，为定点变量作业提供 依据 。首先，针对农 田各类对象包含颜色信息的不同，采用不 同因子实现农 田图像 的灰度化 ；然后 ，利用 3种灰 度图像对绿色植物 、蓝色天空和褐色土壤的识别优势 ，分析 比较阈值法和 K均值聚类方法并实现了图像分割 ；最 后 ，利用模糊聚类法对绿色植物和不同湿度 的土壤进 一步实现分类 。实验结果表 明，利用 K均值 聚类法对绿色 植物的平均识别率可达92．5％，对不 同湿度 的3类土壤 的平均识别率达 95．6％。因此 ，本研究能够准确分割和 识别不 同类型的植物与土壤 ，为农 田对象的识别提供 了基础 。 关键词：图像分析；灰度化；图像滤波；图像分割；模糊聚类 ；农 田 中图分类号：TP391．41 文献标识码 ：A 文章编号：1003—188X(2015)02-0040—06 Han和H．Zhang等人利用 K均值聚类方法选取 0 引言 分割域值 ，实现了农 田图像分割和 目标分类；但 K均 农药和化肥的不合理使用导致农产品农药残留 值分类算法为统计迭代运算 ，时耗较大，因此在 图像 超标和环境污染，严重威胁人类的健康。计算机技术 处理时只选用 ROI(感兴趣)区域进行处理操作 。 的不断发展促进 了图像分析技术在农业 图像分割领 聚类对各像素灰度值进行操作，迭代过程根据停机准 域的应用…。利用机器视觉和图像分割技术实现对 则完成后 ，将对应于最高灰度级和次高灰度级类的中 农 田对象的分割和识别，可为定点变量喷洒提供参 心相加取算数平均，则可得到最终 的分割阈值。雷 考 。 博、范九伦等 基于灰度图像提出了二维交叉熵阈值 由于农 田图像颜色分布的特殊性，多利用颜色信 分割法 。该方法舍弃传统方法 中认为的二维直方 图 息 实现农 田对象的分类识别。H．T．Sogaard等人对 中反对角线区域概率和近似为0的假设，对噪声图像 彩色图像利用(2G—B—R)超绿因子 、灰度化图像增强 分割效果更佳 ；但是只在 目标和背景灰度分布差别较 了绿色植物与背景的对比度 ，有效地消除了晴天、阴 大的应用 中效果 明显，应用范围过于局限。近年来， 天或者阴影等外界环境光线变化的影响k4]。Astrand 尽管遗传算法 、小波变换和灰色理论等在农 田图像的 等人 认为，超绿因子在较大范围的光照条件下，适 分割中有了一定的应用，但始终不能对复杂环境下的 合计算机视觉系统获取图像的绿色特征；但超绿因子 不同类型农田图像有满意的分割和识别效果。 计算量小，户外光照的非结构化特征会影响不同类别 为实现农 田图像相关纹理的分割，进一步提高农 的区分精度 。另外，由于超绿因子是基于颜色信息实 田对象识别的精度，以冬小麦农 田图像为研究对象进 现图像的灰度化，颜色相近时则难 以区分不同对象。 行研究。首先，利用不同的颜色因子对农 田图像进行 因此，Astrand等人利用灰度摄像机和红外滤波器，获 灰度化 ；然后，利用阈值法实现不同类型农 田图像的 取了高对 比度 的图像 ，并利用形态学处理方法进一步 分割；最后，基于模糊聚类法将植物和土壤实现进一 减少光照影响，用固定阈值实现了图像分割和对象分