基于稀疏场水平集的荔枝图像分割算法_毛亮.pdfVIP

第 27 卷 第 4 期 农 业 工 程 学 报 Vol.27 No.4 2011 年 4 月 Transactions of the CSAE Apr. 2011 345 基于稀疏场水平集的荔枝图像分割算法 ※ 毛 亮，薛月菊 ，孔德运，刘国瑛，黄 珂，卢启福，王 楷 （华南农业大学工程学院，南方农业机械与装备关键技术省部共建教育部重点实验室，广州 510642 ） 摘 要：为了给采摘机器人提供完整的荔枝果实轮廓，该文选择 HSV 彩色空间中色调 H 分量的旋转分量作为图像分割的 特征；然后，通过模糊聚类算法自动获取合适的初始演化曲线轮廓，再利用稀疏场水平集方法对目标区域轮廓进行精确 提取；最后，对分割的区域进行标记，并利用图像标记来恢复分割区域的原始图像。结果表明，该算法不仅很好地克服 随机噪声的影响，而且很好地保持果实区域的完整性，使成熟荔枝分割的正确率达到了 84.1%。 关键词：算法，图像分割，模糊聚类，荔枝，稀疏场，水平集 doi ：10.3969/j.issn.1002-6819.2011.04.060 中图分类号：TP391.41 文献标志码：A 文章编号：1002-6819(2011)-04-0345-05 毛 亮，薛月菊，孔德运，等. 基于稀疏场水平集的荔枝图像分割算法[J]. 农业工程学报，2011，27(4)：345－349. Mao Liang, Xue Yueju, Kong deyun, et al. Litchi image segmentation algorithm based on sparse field level set [J]. Transactions of the CSAE, 2011, 27(4): 345 －349. (in Chinese with English abstract) 高了运算效率。Whitaker[7]在 Adalstein 基础上提出了一种 0 引 言 基于稀疏场水平集方法，能够有效地减少计算的复杂度， 荔枝是具有重要经济价值的岭南佳果之一，对荔枝 提高水平集算法的效率，但它对初始演化曲线的依赖性 实行自动采摘可以有效降低成本，具有一定的经济价值。 很大，结果不能很好的收敛到目标轮廓。Chan 和 Vese[8] 国内外以橘子、苹果、番茄等形状规则的单果目标为对 提出了一种基于Mumford-Shah 模型的区域最优划分图像 象的研究已较为成熟，在日本和欧美等发达国家，已有 分割的 C-V 模型。该模型依赖的是同质区域的全局信息， 果蔬采摘机器人的产品[1-2] 。但以葡萄、荔枝和龙眼等多 可以获得较好的分割效果。Wang[9]等人提出了一种有效 果目标为分割对象，因形状不规则和颜色不一致相对难 的局部 C-V 模型，可以有效地分割存在光照不均匀的图 度较大。宋淑然[3]等应用基于 RGB 彩色空间特征的聚类 像。虽然 C-V 模型对零水平集初始轮廓位置没有具体要 算法，对荔枝图像进行了图像分割，但分割荔枝果实轮 求，但是初始位置选取不好会使收敛速度缓。Shi[10-11]等 廓并不完整。田锐[4]等提出了一种基于 RGB 彩色空间特 人通过对 2 个链表进行简单的操作完成了曲线的演化。 征的分割算法，对葡萄图像进行了分割，但因选取的特 这种方法具有很高的实时性，但它仍然对初始演化曲线 征比较特殊，难以广泛应用。