基于EM-PCNN的果园苹果异源图像配准方法.pdfVIP

第 38 卷 第 5 期 农 业 工 程 学 报 Vol.38 No.5 2022 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2022 175 基于 EM-PCNN 的果园苹果异源图像配准方法 ※ 周煜博，刘立群 （甘肃农业大学信息科学技术学院，兰州 730070 ） 摘 要：针对果园环境下双目采集系统采集的飞行时间（Time of Flight ，ToF ）与可见光异源图像间匹配精度差的问题， 该研究提出一种基于局部峰值的目标显著区域提取策略及最大期望算法的脉冲耦合神经网络分割的 ToF 与可见光果园苹 果图像配准方法。首先，利用高斯差函数计算可见光图像中显著性区域，对可见光图像的红绿分量进行预处理；然后， 以图像局部灰度值的二维正态分布作为目标分量，使用Otsu 提取具有固定阈值的前景作为局部峰值提取策略，对 ToF 与 可见光图像初步筛选特征区域，利用最大期望算法改进脉冲耦合神经网络（Pulse Coupled Neural Network ，PCNN ）动态 阈值，使用局部图像梯度计算链接强度计算链接强度，利用图像区域方差改进终止条件，提出一种基于最大期望的脉冲 耦合神经网络（Pulse Coupled Neural Network based on Expectation Maximization ，EM-PCNN ）算法对预选区域进行精细化 分割；接着计算连通区域不变矩，利用不变矩特征原理寻找目标中心同名点，进一步筛选特征区域；最后，同名点进行 随机抽样一致算法（Random Sample Consensus ，RANSAC ）提纯，将提纯后的同名点坐标代入变换模型计算模型参数， 完成配准。在不同光照条件下均方根误差达 3.05～4.75 ，配准点达 3～5 。EM-PCNN 算法对两组 ToF 置信图像分割 的准确率分别为 96.62%和 73.84% 。试验结果表明该方法对双目采集系统采集的 ToF 与可见光异源果园苹果图像可实 现较好配准效果，且对图像平移、旋转、缩放均具有可抗性。研究结果对 ToF 与可见光异源图像在果园环境下自动配准 提供了技术参考。 关键词：图像处理；试验；果园环境；配准；区域特征；PCNN doi ：10.11975/j.issn.1002-6819.2022.05.021 中图分类号：TP301.6 文献标志码：A 文章编号：1002-6819(2022)-05-0175-09 周煜博，刘立群. 基于EM-PCNN 的果园苹果异源图像配准方法[J]. 农业工程学报，2022，38(5)：175-183. doi ：10.11975/j.issn.1002-6819.2022.05.021 Zhou Yubo, Liu Liqun. Heterologous sources images in the apple orchard registration method using EM-PCNN[J]. Transactions of the Chinese Society of Agricultural Engineering (Transac