基于机器视觉的水稻秧苗图像分割

被引：7

作者：

袁加红 ^{[1
]}

朱德泉 ^{[1
,2
]}

孙丙宇 ^{[3
]}

孙磊 ^{[1
]}

武立权 ^{[2
,4
]}

宋宇 ^{[1
]}

蒋锐 ^{[1
]}

机构：

[1] 安徽农业大学工学院

[2] 安徽省粮食作物协同创新中心

[3] 中国科学院合肥智能机械研究所

[4] 安徽农业大学农学院

来源：

浙江农业学报 | 2016年 / 28卷 / 06期

关键词：

水稻秧苗; ExG因子; Otsu法; 图像分割; 质量因子;

D O I：

暂无

中图分类号：

S223.91 [水稻插秧机]; TP391.41 [];

学科分类号：

080203 ;

摘要：

水稻秧苗的识别是水稻插秧机自主导航系统的关键内容之一。针对插秧机机器视觉导航中稻田图像秧苗与背景分割问题,建立了基于RGB(红绿蓝)颜色空间的秧苗表面颜色模型。通过颜色特征对秧苗图像进行处理,使用Photoshop软件获取秧苗部分和背景R,G,B分量值;通过对G-R值与G-B值的分析统计,发现两者之间存在分界关系:各自的权重与各分量的乘积之和为某个定值;为方便分析,选取权值a,b为0.5,即Ex G因子,采用Otsu法获取定值最佳值,最大程度分割出目标和背景。与适合于大多数绿色作物的传统RGB法进行比较,并采用分割质量因子和算法运算时间作为评判标准,分析各算法的综合性能。试验发现,Ex G因子结合Otsu分割法分割效果相对理想、稳定性更高,而且耗时更短。

引用

页码：1069 / 1075

页数：7

共 20 条

[1] 基于SURF算法的绿色作物特征提取与图像匹配方法 [J].