基于K-means和近邻回归算法的Kinect植株深度图像修复.PDFVIP

第 32 卷 第 19 期 农 业 工 程 学 报 Vol.32 No.19 188 2016 年 10 月 Transactions of the Chinese Society of Agricultural Engineering Oct. 2016 基于 K-means 和近邻回归算法的 Kinect 植株深度图像修复 沈 跃，徐 慧，刘 慧，李 宁 （江苏大学电气信息工程学院，镇江 212013 ） 摘 要：针对 Kinect 传感器应用于农业植株检测产生的图像噪声问题，特别是由光线以及传感器自身局限导致的匹配图 像目标植株数据的缺失，提出一种基于 K-means 和近邻回归算法的植株深度检测图像修复方法。首先对 Kinect 传感器获 取的彩色 RGB 图像进行阈值分割预处理提取植株目标区域，再利用K-means 聚类算法去除背景噪声，使得植株目标区域 轮廓更加清晰；然后基于配准的彩色图像和深度图像，对获取的深度图像中可疑像素点的深度数据采取近邻回归算法进 行修复，再将修复后的深度图像与目标分割后的彩色图像进行植株区域的匹配，并进行二次近邻回归算法修正错误的深 度数据，最后获取目标植株深度信息的检测图像。试验结果证明，采用 RGB 阈值分割和K-means 聚类算法植株目标区域 分割误差均值为 12.33%，比单一RGB 阈值分割和K-means 聚类分割误差降低了 12.12 和 41.48 个百分点；同时结合聚类 后的彩色图像对深度数据进行两次近邻回归算法修复深度数据，能够提高深度数据边缘的清晰度，单帧深度数据空洞点 进行修复数据的准确度提高。该研究结果可为农业植株检测、植株三维重构、精准对靶喷雾等提供参考。 关键词：图像处理；图像分割；算法；植株检测；深度数据；图像修复；K-means 聚类；近邻回归 doi ：10.11975/j.issn.1002-6819.2016.19.026 中图分类号：TP391 文献标志码：A 文章编号：1002-6819(2016)-19-0188-07 沈 跃，徐 慧，刘 慧，李 宁. 基于 K-means和近邻回归算法的Kinect 植株深度图像修复[J]. 农业工程学报，2016， 32(19)：188－194. doi ：10.11975/j.issn.1002-6819.2016.19.026 Shen Yue, Xu Hui, Liu Hui, Li Ning. Kinect scanning plant depth image restoration based on K-means and K-nearest neighbor algorithms[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(19): 188 － 194. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2016.19.026 进行修复，此类方法能够修复图像中大部分的丢失数据， 0 引 言 但对于大面积以及物体边缘的空洞仍无法完全修复。文 近年来，微软公司发布的 Kinect 深度传感器在各行 献[14]针对大面积空洞的数据修复问题，提出一种基于 各业引起广泛的应用研究，由于最初作为游戏机的配套 K-means 算法的修复方法，结合彩色图像与深度图像的相