基于潮湿土壤的杂草图像分割方法
2016-11-12王伟定宁正高王艺胜
王伟定 宁正高 王艺胜
摘要:杂草图像分割是杂草识别中重要的步骤,光照是分割误差的重要影响因素。因此,根据潮湿土壤受光照影响小,提出了一种基于潮湿土壤的杂草图像分割方法。首先,用水将土壤做潮湿处理,然后采集杂草图像,再用阈值分割的方法进行分割。试验结果表明在潮湿土壤下获取图像的分割误差显著低于干燥土壤,有助于杂草识别的研究。
关键词:潮湿土壤;杂草;图像分割
在诸多杂草防除方法中,由于化学除草的高效性,已成为除草的主要方式。对杂草图像利用超绿特征进行灰度化,再进行分割,由于植物多为绿色,与背景存在颜色差别,所以背景分割中多利用颜色特征进行处理。
1 田间杂草图像及其特征
田间杂草图像的特点是植株一般呈绿色。图像可以采用二维函数f(x,y)表示出来。(x,y)表示的是二维空间坐标中的某个点的位置坐标。f(x,y)表示的是图像在点f(x,y)处的某种属性,即表示灰度值。灰度图像f(x,y)的取值范围在0-255之间。但是f(x,y)的取值只有0和1两种可能,即f(x,y)=0 表示该点处为白色, f(x,y)=1 表示该点处为黑色。
2 杂草图像分割
2.1 图像的灰度化处理
图像由无数的像素点组成而得,每一个像素点对应区域对象的颜色,颜色空间是R、G、B ( 红、绿、蓝 )。在RGB图像中,每一个RGB彩色像素由 R 、G 、B三个值表示,通过各种颜色特征将各个像素点的颜色转化为一定的灰度级后作为灰度图像进行分割。杂草图像分割的超绿特征,表示为2G-R-B,利用超绿特征对在同一杂草下干燥、潮湿土壤背景的图片进行灰度处理,对干燥、潮湿的土壤背景图像进行人工处理后的新图像作为标准图,再将标准图用超绿特征对图像进行灰度化处理,如图(1)所示。
2.2 图像的二值化处理
杂草图像的二值化处理就是把图像分割为前景和背景,用0、1值分别表示背景和前景。由于最大类间方差自动取阈法稳定性好、成功率高等特点,所以分别对干燥、潮湿土壤背景和人工图的灰度图利用最大类间方差法自动选取合适阈值,再分别进行二值化,生成二值图,如下图(2)所示。
3 试验结果分析与讨论
3.1 试验结果与分析
对10组干燥、潮湿土壤背景的杂草图像进行灰度化处理,得到了灰度图,将两幅灰度图分别进行二值化处理,得到干燥、潮湿背景的二值图。将干燥土壤背景与人工分割的干燥土壤背景二值图和潮湿土壤背景与人工分割的潮湿土壤背景二值图的用t-检验: 成对双样本均值分析和F-检验 双样本方差分析来分析。对错误判断为背景的误差百分比p1、错误判断为植物的误差百分比p1和误差平均值p进行分析,p1=错误判断为背景的个数/(错误判断为背景的个数+正确判断为植物的个数);p2 =错误判断为植物的个数/(错误判断为植物的个数+正确判断为背景的个数);误差平均值p=(p1+p2)/2。试验结果如下表所示
由表1数据,用t-检验: 成对双样本均值分析和F-检验:双样本方差,对p1、p2、p进行检验,得出检验值,如表2所示。
由表2结果分析可知,对错误判断为背景的误差百分比来说,均值检验的相伴概率为0.045,小于显著水平0.05,也就是p1(干)和p1(湿)存在显著性差异;对错误判断为植物的误差百分比来说,均值检验的相伴概率为0.354,大于显著水平0.05,说明p2(干)和p2(湿)不存在显著差异;对误差平均值p来说,均值检验的相伴概率为0.045,小于显著水平0.05,说明p(干)和p(湿)存在显著性差异。
3.2 讨论
根据试验的结果,从以下方面对背景分割方法进行讨论:
土壤背景。过湿的土壤、干湿不均匀的土壤和干的、腐烂的作物残渣都对超绿特征灰度化和二值化有影响。泛绿的土壤对运用各种方法都会产生很大的干扰。
土壤水分含量。土壤水分含量越大,其反射率就越低;土壤水分含量越小,其反射率就越高。光的反射率越低,对杂草图像的分割效果越好。
4 结论
为了减小由光照因素产生的分割误差,提出了一种基于潮湿土壤的杂草图像分割方法。实验结果表明,潮湿土壤背景下杂草分割的效果较好,精度较高。
参考文献
[1] 钱丹. 作物与杂草识别中图像分割影响因素的研究[J]. 江苏大学,2006.
[2] 毛文华, 王一鸣,张小超,等. 基于机器视觉的苗期杂草实时分割算法[J]. 农业机械学报,2005,36(1):83-86.
[3] 周 果,司秀丽. 基于颜色分量与直方图的玉米苗期背景分割方法研究[J]. 农业网络信息,2012(8):22-24.
[4] 曲昆鹏,郑丽颖. 基于目标、背景比例的灰度图像自动阈值选取法[J]. 应用科技,2010,37(2):52-54s.