大田作物长势监控图像中绿色植物的识别方法.pdfVIP

江苏农业科学　２０１５年第４３卷第１１期 — ４８７— 王思乐，杨文柱，卢素魁．大田作物长势监控图像中绿色植物的识别方法［Ｊ］．江苏农业科学，２０１５，４３（１１）：４８７－４９２． ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０１５．１１．１５１ 大田作物长势监控图像中绿色植物的识别方法 王思乐，杨文柱，卢素魁 （河北大学计算机科学与技术学院，河北保定０７１００２） 　　摘要：为实现对大田作物长势的智能监控，对监控图像中绿色植物的识别方法进行了研究，提出了一种基于ＨＳＶ 和颜色离差决策树的绿色植物识别方法。将采集的图像从 ＲＧＢ颜色空间转换到ＨＳＶ颜色空间，实现图像颜色属性 与亮度属性的分离，解决由于自然光拍摄条件产生的图像亮度变化问题；通过构建基于ＨＳＶ和颜色离差的决策树，实 现绿色植物与玉米秸、麦秸、地膜、黄土、红土、黑土、灰烬等背景元素的分离，解决由于大田拍摄环境造成的图像背景 复杂问题。试验结果表明，本方法能够正确识别大田作物长势监控图像中的绿色植物，能够较好地适应野外大田环境 造成的图像亮度变化和复杂背景。 　　关键词：大田作物；绿色识别；决策树；ＨＳＶ；颜色离差 　　中图分类号：ＴＰ３９１．４１　　文献标志码：Ａ　　文章编号：１００２－１３０２（２０１５）１１－０４７８－０５ 子法（ｔｈｅＥｘｃｅｓｓＧｒｅｅｎｍｉｎｕｓＥｘｃｅｓｓＲｅｄｉｎｄｅｘ，简称ＥｘＧＲ）， １　研究背景 植被指数法（ｔｈｅＶｅｇｅｔａｔｉｖｅｉｎｄｅｘ，简称 ＶＥＧ），植被颜色指数 精细农业的核心是实时获取农田区块的土壤和农作物信 抽取法（ｔｈｅＣｏｌｏｒＩｎｄｅｘｏｆＶｅｇｅｔａｔｉｏｎＥｘｔｒａｃｔｉｏｎ，简称 ＣＩＶＥ）， 息、诊断作物长势，并对地块进行准确的灌溉、施肥、喷药等农 ［１６］ 综合指数法（ｔｈｅＣｏｍｂｉｎｅｄｉｎｄｅｘ，简称ＣＯＭ）等 。 业活动，最大限度地提高水、肥和杀虫剂的利用效率，获得最 基于可见光谱因子的识别方法这样的事实，即在归一化 ［１－３］ 佳的经济效益和生态效益 。 的ＲＧＢ颜色空间中，绿色植物总是拥有比其他元素更大的绿 大田作物长势分析是精细农业的一个重要研究内容，目 色因子。得到图像的绿色因子矩阵后，通过阈值分割就能得 的是为施肥、灌溉、杀虫等农业活动提供准确的决策依据。遥 到其中的绿色植物。基本原理如下： ［４－９］ 感和基于田间相机的监控 是实现作物长势分析的２种主 定义ＲＧＢ颜色空间下的归一化颜色ｒ、ｇ和ｂ如下： 要途径。遥感利用卫星或飞机获取作物的长势图像，而基于 Ｒ Ｇ Ｂ ｒ＝ ，ｇ＝ ，ｂ＝ 。 （１） 相机的监控则通过直接在田间设置观测摄像头获取作物的长 Ｒ＋Ｇ＋Ｂ Ｒ＋Ｇ＋Ｂ Ｒ＋Ｇ＋Ｂ 势图像。遥感的分辨率较低，但观测面积大，比较适合进行大 式中：Ｒ、Ｇ、Ｂ是输入ＲＧＢ彩色图像的３个颜色分量。 区域的作物长势监控；基于相机的监控分辨率较高，却观测面 超绿因子法ＥｘＧ、超绿减红因子法ＥｘＧＲ、植被指数ＶＥＧ 积有限，适合进行地块级的精确监控。本研究选择基于田间 法、植被颜色指数抽取法 ＣＩＶＥ、综合指数法 ＣＯＭ分别定义