彩色图像分割技术在农作物测量系统中的应用

摘要

本系统运用计算机视觉和图像处理技术摄取作物生长发育不同阶段的图像，在计算机中进行各种处理和测量，最终获取作物的形态信息和数据，显示于计算机屏幕并存储于多媒体数据库中。在此系统中，将作物(目标)从照片中提取出来是一个关键的问题，也是一个典型的图像分割问题。由于作物图像为彩色照片，因此考虑利用彩色图像分割技术进行图像分割。针对典型的作物图像，本文分析了3组典型的用于彩色图像分割的彩色模型共9个特征量，实验结果表明，特征量H(HSV)对于作物图像有较好的分割效果。根据这一实验结果，利用特征量H(HSV)进行图像分割，但在叶片前端较细处未能正确分割。为了解决这一问题，又实验了两种分割算法，并设计了一个分割算法的评价实验。算法评价实验的结果表明，3个算法中采用二维阈值的方法具有最好的分割稳定性和执行效率，最适用于该农作物测量系统。在系统中实现了这个算法，实际应用表明二维阈值的分割方法较好的解决了作物图像的分割问题。此外，由于该测量系统还保存作物的颜色信息，所以在进行颜色测量前，需要对数码照片进行颜色校正。对室外拍摄的照片进行分析，太阳光的光谱变化是导致偏色的主要原因，因此，针对不同时刻阳光造成的偏色，试验了4种颜色校正算法，试验结果表明，基于灰块标定物的曲线法具有最好的校正效果。该农作物测量系统将采用此算法校正偏色照片。

目录

文摘

英文文摘

声明

第一章 前言

1.1课题的研究目的、理论价值和实际意义

1.2国内外研究现状

1.3已取得的成果

1.4本文的主要研究内容

第二章 农作物测量系统介绍

1.1系统概述

2.2系统中待解决的问题

第三章彩色模型

3.1彩色色度学模型

3.1.1CIE-RGB模型

3.1.2XYZ模型

3.2工业彩色模型

3.2.1RGB模型

3.2.2CMY模型

3.2.3彩色传输模型YUV、YIQ、YCbCr模型

3.3彩色视觉模型

3.3.1Munsell模型

3.3.2HSI模型

3.3.3HSV模型

第四章彩色图像颜色校正

4.1作物图像颜色校正的必要性

4.2颜色校正实验与算法

4.2.1校正实验设计

4.2.2基于灰度渐变定标物的校正方法

4.2.3基于色块标定物的校正方法

4.3实验结果与讨论

4.3.1实验图片

4.3.2评价准则

4.3.3实验结果与讨论

第五章 图像分割的理论与方法

5.1并行边界分割技术

5.1.1微分算子与并行边界分割

5.1.2边缘拟合与边界闭合

5.1.3哈夫变换与目标轮廓

5.2串行分割技术

5.2.1串行边界技术

5.2.2边界跟踪

5.2.3曲线拟合

5.3并行区域分割技术

5.3.1基于各像素值的阈值

5.3.2基于区域性质的阈值

5.3.3基于坐标位置的阈值

5.3.4特征空间聚类

5.4串行区域分割技术

5.4.1区域生长

5.4.2分裂合并

5.5结合特定理论的分割技术

5.5.1借助统计模式识别方法

5.5.2利用神经网络

5.5.3借助模糊集合和逻辑

5.5.4利用遗传算法

5.6彩色图像分割

5.6.1彩色图像的多维阈值分割法

5.6.2彩色图像的区域生长分割法

5.7分割评价概述

第六章 作物图像特征分析

6.1深蓝色背景作物图像特征分析

6.1.1深蓝色背景作物图像I1I2I3分析

6.1.2深蓝色背景作物图像HSV分析

6.1.3深蓝色背景作物图像HSI分析

6.2实验小结

6.3浅蓝色背景作物图像特征分析

6.3.1浅蓝色背景作物图像I1I2I3分析

6.3.2浅蓝色背景作物图像HSV分析

6.3.3浅蓝色背景作物图像HSI分析

6.4实验小结

第七章 作物图像分割算法

7.1分割算法设计

7.1.1用于分割深蓝色背景照片的分割算法设计

7.1.2用于分割浅蓝色背景照片的分割算法设计

7.2分割算法效果评价

7.2.1分割评价准则的选择

7.2.2实验结果和讨论

7.3结论与展望

附录A：基于色块标定物的校正算法结果

附录B：基于灰块标定物的校正算法结果

参考文献

攻读硕士学位期间参与的学术活动

一、发表的学术论文

二、参加的学术研讨会

三、参与的主要科研项目

致 谢