基于剪切波变换和无人机麦田图像的区域杂草识别方法.pdfVIP

第33 卷 增刊1 农 业 工 程 学 报 Vol.33 Supp.1 2017 年 2 月 Transactions of the Chinese Society of Agricultural Engineering Feb. 2017 99 基于剪切波变换和无人机麦田图像的区域杂草识别方法 1,2 1 1 1 3 2 ※ 王海华 ，朱梦婷 ，李 莉 ，王丽燕 ，赵海英 ，梅树立 （1. 中国农业大学现代精细农业系统集成研究教育部重点实验室，北京 100083 ； 2. 中国农业大学信息与电气工程学院，北京 100083 ； 3. 北京邮电大学世纪学院移动媒体与文化计算北京市重点实验室，北京 102613 ） 摘 要：区域杂草的识别有利于植保作业中的除草剂精准喷施。现有图像处理技术主要针对行间和株间杂草，而传统的 图像采集与分析设备对苗期麦田杂草的识别存在一定局限性，难以满足非人工的区域性喷洒农药等作业需求。由于麦田 区域中的麦苗和杂草具有形态和颜色区分度差的特点，传统的图像识别方法难以有效识别。针对此问题，该文提出利用 剪切波变换对无人机麦田区域图像中杂草进行识别。该方法利用其自身的方向敏感性以及在纹理识别中的方向无关性， 根据麦田区域图像在杂草较多的部分叶片纹理杂乱，反之则纹理相对规则的特点，处理得到不同尺度和不同方向下小麦 与杂草的剪切波系数。然后针对小麦和杂草剪切波系数的不同特征，对剪切波系数矩阵进行归一化处理，同时对其均值 和方差进行了统计分析，得到麦苗和杂草剪切波系数图中竖直锥第二尺度所有系数均值的区分值约为 0.07，第二尺度各 个方向的均方差均值的区分值约为 0.08 。通过对含杂草麦苗区域图像以及麦苗区域图像的验证，准确率为 69.2%，效果 优于传统的灰度共生矩阵方法。此外，该文对无人机拍摄区域图采用分块的方法，实现了对非麦苗区域的有效标识。由 此可见，剪切波变换方法能够为基于低空植保无人机喷洒农药中的区域杂草识别提供参考。 关键词：无人机；图像识别；农作物；区域图像；麦苗；杂草识别；剪切波变换；灰度共生矩阵 doi ：10.11975/j.issn.1002-6819.2017.z1.015 中图分类号：TP391.41 文献标志码：A 文章编号：1002-6819(2017)-Supp.1-0099-08 王海华，朱梦婷，李 莉，王丽燕，赵海英，梅树立. 基于剪切波变换和无人机麦田图像的区域杂草识别方法J. 农业工 程学报，2017 ，33(增刊 1)：99 －106. doi：10.11975/j.issn.1002-6819.2017.z1.015 Wang Haihua, Zhu Mengting, Li Li, Wang Liyan, Zhao Haiying, Mei Shuli. Regional weed identification method from wheat field based on unmanned aerial vehicle image and shearletsJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(Supp.1): 99 － 106. (in Chinese with English abstract) doi ： 10.11975/j.issn.1002-6819.2017.z1.015 等。光谱分析方法是利用杂草与作物在某些特征波长处的 0 引 言 光谱反射率不同来进行两者区分，具