基干ISODATA算法草莓图像分割.docVIP

基于ISODATA算法的草莓图像分割 　　摘要：应用ISODATA算法对成熟草莓图像进行分割，该方法具有迭代自组织性，通过预先设定的迭代参数，在随机选定初始聚类中心的基础上，使用分裂与合并的机制。结果表明，该算法应用于成熟草莓图像的分割效果较好 关键词：ISODATA算法；草莓图像分割；分裂；合并 中图分类号：TP391.4 文献标识码：A 文章编号：0439-8114（2016）18-4812-02 DOI：10.14088/j.cnki.issn0439-8114.2016.18.046 目前，中国草莓种植面积和产量均居世界第1位。草莓果实具有不定期成熟特点，需要人工不定时地进行判断和收获，可见，草莓采摘的劳动强度和作业量非常大。近年来，对草莓采摘机器人的研究越来越多，其可以帮助人们识别、采摘成熟草莓，大大节省劳动力[1-3]。机器人采摘草莓的关键在于将成熟的草莓果实从复杂的背景中分割出来，因此，有效的分割算法应用于成熟草莓图像的分割十分必要 现有的图像分割方法[4，5]主要有：基于阈值的分割方法、基于区域的分割方法和基于边缘的分割方法等。其中，基于阈值的分割方法一般仅考虑像素本身的灰度值，不考虑空间特征，因而对噪声和亮度都很敏感，不适合自然光条件下成熟草莓图像的分割；区域生长法需要人为确定种子点，对噪声敏感，可能导致区域内有空洞；基于边缘的分割方法可以提取出整幅图像的轮廓，但是草莓图像背景复杂，这种方法不能区分出成熟草莓部分 本研究应用ISODATA算法[6]对成熟草莓图像进行分割。该方法使用归并与分裂的机制，当某两类聚类中心距离小于某一阈值时，将它们合并为一类；当某类标准差大于某一阈值或其样本数目超过某一阈值时，将其分为两类；在某类样本数目少于某阈值时，将其取消，最终得到理想的分类结果 1 试验环境 试验采用保定市农业生态园草莓种植园实地拍摄的草莓图像，条件为自然光下数码相机拍摄。试验结果均在MatlabR2013a中实现。采集的草莓图像均会存在一定程度的噪声干扰，噪声使图像模糊，图像分析困难，所以分割前首先采用中值滤波法对采集的图像进行去噪。本研究采用Lab色彩模型，优点在于其弥补了RGB色彩模型色彩分布不均的不足。RGB颜色空间转换到Lab颜色空间公式如下： L*=116（0.299R+0.587G+0.114B）1/3-16a*=500[1.006（0.607R+0.174G+0.201B）1/3- （0.299R+0.587G+0.114B）1/3]b*=200[（0.299R+0.587G+0.114B）1/3- 0846（0.066G+1.117B）1/3] 2 ISODATA算法 2.1 基本原理 ISODATA全称是Iterative Self-Organizing Data Analysis Technique，即迭代自组织数据分析技术。在两次迭代之间对上一次迭代的聚类结果进行统计分析，根据统计参数对已有类别进行取消、分裂、合并处理，并继续进行下一次迭代，直至超过最大迭代次数或者满足分类参数，完成分类过程 区域的分裂合并是先确定一个分裂合并的准则，即区域特征一致性的测度，当图像中某个区域的特征不一致时就将该区域分裂成4个相等的子区域，当相邻的子区域满足一致性特征时则将它们合成一个大区域，直至所有区域不再满足分裂合并的条件为止[7] 3 结果与分析 使用ISODATA算法分别对两幅草莓图像样本分割并与人工分割结果进行对比，如图1和图2所示 结果表明，ISODATA算法分割出成熟的草莓图像，虽然没有达到人工分割的程度，但是也取得了良好的分割效果，对于草莓采摘机器人具有巨大的实用价值。另外，由于光照影响，分割出的草莓图像存在细小孔洞，对其进行腐蚀膨胀处理即可。图2c中草莓成熟部分比例较小，采摘机器人无法确定其是否成熟，可见草莓成熟度判别还有待研究 4 结论 应用ISODATA算法分割成熟草莓图像，计算效率高、适应性强，取得良好的分割效果。该算法分割之前可以人为地确定要分成的类别数，类内至少包含样本数和最大迭代次数等参数，利用已有知识和专家经验，在某种程度上减少了聚类的盲目性，有利于取得更好的分割效果 参考文献： [1] 王丽丽，郭艳玲，王 迪.果蔬采摘机器人研究综述[J].林业机械与木工设备，2009，37（1）：10-14. [2] 宋 健，张铁中，徐丽明.果蔬采摘机器人研究进展与展望[J].农业机械学报，2006，37（5）：158-162. [3] 张广华，葛会波，张进献.草莓果实软化机理及调控研究进展[J].果树学报，2001，18（3）：172-176. [4] 林开颜，吴军辉，