基于区域生长均值漂移聚类的苗期作物行提取方法

S24%TP751; 为解决传统机器视觉方法检测苗期作物行时不同作物种类、不同生长背景和不同作物行数导致的作物行提取精度低的问题,该研究提出一种基于区域生长和均值漂移聚类的苗期作物行提取方法.首先,通过Lab颜色空间中a、b双颜色分量最大熵法选取最优阈值进行图像分割;其次,通过垂直投影获取均值漂移的聚类窗口带宽,均值漂移时以聚类窗口边缘为种子点进行区域生长来归类和标记每一行作物,之后遍历所有作物行获取聚类中心点;最后,通过最小二乘法拟合聚类中心点得到作物行直线.试验结果表明,该方法对大蒜、玉米、油菜、水稻和小麦5种作物的苗期作物行提取精度较高,5种作物的平均行识别率为98.18％,平均误差角度...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 37; no. 19; pp. 202 - 210
Main Authors 王爱臣, 张敏, 刘青山, 王丽丽, 魏新华
Format Journal Article
LanguageChinese
Published 江苏大学农业工程学院,镇江 212013 01.10.2021
江苏省农业装备与智能化高技术研究重点实验室,镇江 212013%中国农业机械化科学研究院土壤植物机器系统技术国家重点实验室,北京 100083
Subjects
算法;图像处理;机器视觉;区域生长;均值漂移;最小二乘法
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2021.19.023

Cover

More Information
Summary:S24%TP751; 为解决传统机器视觉方法检测苗期作物行时不同作物种类、不同生长背景和不同作物行数导致的作物行提取精度低的问题,该研究提出一种基于区域生长和均值漂移聚类的苗期作物行提取方法.首先,通过Lab颜色空间中a、b双颜色分量最大熵法选取最优阈值进行图像分割;其次,通过垂直投影获取均值漂移的聚类窗口带宽,均值漂移时以聚类窗口边缘为种子点进行区域生长来归类和标记每一行作物,之后遍历所有作物行获取聚类中心点;最后,通过最小二乘法拟合聚类中心点得到作物行直线.试验结果表明,该方法对大蒜、玉米、油菜、水稻和小麦5种作物的苗期作物行提取精度较高,5种作物的平均行识别率为98.18％,平均误差角度为1.21°,每张图片的平均处理时间为0.48 s.该方法的作物行提取性能明显优于Hough变换方法,为田间环境多因素影响下的苗期作物行提取提供了一种更具鲁棒性的方法.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2021.19.023