概率学习像素分类法去除农作物视频中阴影

精确农业需要低高度的图像。一方面,由于太阳光的投射存在角度,图像中不可避免的出现农作物的阴影。阴影的存在会影响后续的许多农业图像处理操作,作为计算机视觉中的关键技术之一的图像分割也不能对阴影做出精确的分割,因此非常有必要对图像阴影进行预处理操作;另一方面,农业图像的获得需要人或车的参与。在空气流和人或车的干扰下,农作物会摆动,阴影也不会静止。这样,在农作物视频序列中,图像阴影的预处理操作难度加大。 图像阴影的预处理操作包括阴影检测和阴影消除两个步骤。本文具体的研究工作和创新之处体现在以下几个方面: 1.阴影的性质是阴影检测和去除算法的理论依据。因此本文详细总结分析了阴影的定义、现有的阴影的几何性质和光谱性质。 2.总结分析了已有的阴影检测和去除算法,汲取他人的阴影检测算法思想和算法设计思路。 3.主要提出一种视频序列处理的方法来对阴影检测和去除。首先针对一个像素有时是作物阴影部分,有时是前景作物,有时是一般的背景物体的情况,建立了阴影,前景和背景的分布模型:然后,出于此方法的学习问题和效率的目的,建立分布模型的EM算法,即定义模型各个参数似然值,并且选择那些最大化似然值的参数;最后,考虑到EM要存储所有观察到的图像像素值不利于实时应用,描述了增量EM方法。这个方法执行了实时应用地概率推理无监督像素分类。 4.将本文的方法应用于实际的植物视频图像中。结果表明:在自然照射的情况下,这个方法能够成功去除阴影,并且鲁棒性很好。 总结本文的研究,阴影检测和去除算法必须牢牢依据阴影的性质才能获得比较好的效果,因此为了获得更好的效果,必须挖掘阴影更内在的性质特点。这也是以后阴影检测算法发展的一个方向。当然最终目的是为了后续的图像处理获得更好的处理结果。