基于图像特征点粒子群聚类算法的麦田作物行检测-IngentaConnect.PDF

第 33 卷 第 11 期 农 业 工 程 学 报 Vol.33 No.11 2017 年 6 月 Transactions of the Chinese Society of Agricultural Engineering Jun. 2017 165 基于图像特征点粒子群聚类算法的麦田作物行检测 ※ 姜国权，杨小亚，王志衡 ，刘红敏 （河南理工大学计算机科学与技术学院，焦作 454000 ） 摘 要：为了快速准确地提取麦田作物行中心线，提出了基于粒子群聚类的麦田作物行检测算法。首先，对自然光照下 获取的彩色图像运用“过绿颜色因子图像灰度化”、“Otsu 图像二值化”、“左右边缘中间线检测提取作物行特征点算法”3 步对图像进行预处理。然后，根据农田作物行中心线周围区域的特征点到该直线的距离均小于某一距离阈值的特征，运 用粒子群优化算法对每一作物行的特征点分别进行聚类。最后，对每一类的特征点用最小二乘法进行直线拟合获取麦田 作物行中心线。试验结果表明，该算法可以对作物断行、杂草、土块等复杂农田环境下的图像进行有效地作物行检测， 识别率达 95%，识别误差小于3°。与标准Hough 算法相比，运行速率提升了一倍。为满足农业机器人田间作业要求提 供参考。 关键词：图像处理；算法；聚类；作物行检测；粒子群优化；最小二乘法 doi ：10.11975/j.issn.1002-6819.2017.11.021 中图分类号：TP391.4 文献标志码：A 文章编号：1002-6819(2017)-11-0165-06 姜国权，杨小亚，王志衡，刘红敏. 基于图像特征点粒子群聚类算法的麦田作物行检测 [J]. 农业工程学报，2017，33(11)： 165－170. doi ：10.11975/j.issn.1002-6819.2017.11.021 Jiang Guoquan, Yang Xiaoya, Wang Zhiheng, Liu Hongmin. Crop rows detection based on image characteristic point and particle swarm optimization-clustering algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(11): 165 －170. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2017.11.021 检测的问题，识别率达到 90% 以上，然而，在算法实时 0 引 言  性上仍然没有较大的改进。为了减少计算量，Xu 等[19]