自然环境下棉花图像的分割与提取.docVIP

自然环境下棉花图像的分割与提取 张豪1 郭辉1,2 韩长杰1,2 岳建荣1 (新疆农业大学 1.机械交通学院，新疆 乌鲁木齐；2.农业设备创新重点实验室，新疆 乌鲁木齐 830052) 摘 要：采棉机器人的出现，不仅能提高效率，节约劳动资源，而且克服了机械采棉质量不高的缺点。成熟棉花的识别是采棉机器人视觉系统的关键问题，要解决此问题，首先需要进行有效的图像分割。从复杂背景中分离棉花一直是该领域的一个难题。为此，本文提出了一种基于YCbCr颜色空间下利用Fisher判断分析成熟棉花的分割策略，将色差转化为颜色空间距离，并对分割后的图像采用贴标签的方法进行去噪。通过实验仿真了图像的分割效果并与RGB、HSV等目前常用的分割算法做了比较，结果表明本文提出的算法分割精确度较高，达到92.7％，分割速度优于直接使用SVM分割图像的方法，分割稳定性优于阈值分割而且能够有效地避免阳光直射和阴影的干扰,，并为下一步棉花的定位研究提供了基础。 关键词：采棉机器人；YCbCr模型；图像分割；贴标签去噪 1引言 随着农业采摘机器人在实际中应用的越来越广泛，其智能化也要求的越来越高，其中自动识别、自动采摘是智能化的主要体现。我国是世界上棉花的主产地，目前在我国采收方式还是依靠人工。在上世纪末我国就开始对棉花采摘机进行了研究，但是到目前为止，产业化的效果并不理想。在棉花采摘机器人的视觉系统中，棉花的识别及定位是关键环节，能否快速准确的识别出棉花将直接影响着采棉机器人的工作效率。 要准确识别棉花的棉絮需要对棉花图像进行分割处理。图像分割一直受到学者们的重视，至今为止已有多种方法。本研究通过分析棉花图像确定所用的颜色空间。目前常用的颜色空间有RGB、HSI、YCbCr、YUV、HSV、和CMY等。研究中选用不同的颜色空间将会影响到棉花图像的分割效果，最终关系到棉花的快速识别及准确定位。 2试验方法 2.1颜色空间的选择 颜色空间从结构可以分为两大类，基本颜色空间和色度、亮度分离颜色空间。RGB颜色空间中R、G、B之间的相关性很高。在不同的自然环境下，对同一颜色的的属性，基本颜色R、G、B离散度较大。对于识别特定的目标物很难确定其阈值。HSV颜色空间是接近于人眼的感知方式，而且可以把亮度分离出来。HSI颜色空间与人的视觉系统相似，从色相，亮度和色饱和度来描述色彩。在亮度和色饱和度较低的情况下，从RGB颜色空间到HSV、HIS颜色空间复杂度较高，所需计算量较大。HSV和HSI颜色空间中的S和H均有R、G、B非线性转换得到，而且存在奇异点。当R、G、B的值有微小的变化，在奇异点附近都会引起H和S有较大的变化，在亮度和饱和度很低的情况下，HSI和HSV颜色空间计算的H值与实际相差较大。YCbCr颜色空间有亮度分量Y，蓝色色度分量Cb和红色色度分量Cr组成。由于摄像机采集到的图像是基于RGB空间的，从RGB颜色空间到YCbCr颜色空间转换关系如下： =+[4] 基于YCbCr颜色空间中亮度分量和色度分量相互独立，RGB颜色空间与YCbCr颜色空间存在一种线性关系，转化较为简单，在不同亮度下，YCbCr颜色空间中亮度变化量很大时而RGB颜色空间中的色度变化范围很小，有利于光照变化图像的处理，因此选用YCbCr颜色空间。 2.2图像采集及处理工具 2013年10月6日（晴天）在新疆维吾尔自治区哈密市棉田，用数码照相机拍摄自然环境状态下的成熟棉花图像。为了表现研究的普遍通用性，从正面、侧面不同角度拍摄，包括棉花吐絮后到采摘时期的所有情况。在Matlab环境下进行编程处理，计算机配置intel CPU2.53GHz、1GB内存、windows7操作系统。 2.3图像分割 棉花成熟度的判别是采棉机器人是否顺利工作的的关键问题。自然环境下采集的棉花图像信息杂乱，要解决此问题需要进行图像分割去除背景。目前常用的图像分割法有：区域提取法、阈值分割法、均匀性度量法、边缘检测与边缘分割法等。 自然场景中棉花田中棉絮是白色的，背景几乎都是绿色的枝叶和处于绿色和黄色之间的枯萎枝叶，将这一重要特征信息作为棉花分割的依据。目前常用的图像处理空间受光照影响较大，而YCbCr颜色空间受亮度影响较小，利用Fisher判别分析将空间像素信息投影到二维空间，将像素点分成若干类，使投影后类内离散度达到最小类间离散度达到最大。Fisher判别分析原理如下： Fisher判别就是找到判别向量集W，W=｛w1,w2,w3…wK｝,Wi表示第i个判别向量。 Fisher的准则函数 JF(w)= （1） 其中Sb和Sw分别为样本的类间离散度矩阵和类内协方差矩阵 假设d维空间有n个样本，共有c类，ni表示第i类有ni个样本，xij表示第i类的第j个样本，n=则有： 各类像素在d维空间的样本均值向量Mi: M