专利名称：基于均值漂移的农作物冠层图像分割方法
技术领域：
本发明涉及的是一种图像分割方法，特别是涉及一种农作物冠层图像分割方法。(二) 背景技术作物的许多群体特征同时也是视觉特征，因此可以利用数字图像技术对其进 行分析。所谓数字图像技术是指利用计算机对获取的数字化图像进行处理、分析 并提取信息。利用数字图像技术分析作物群体特征的关键一步就是图像分割一一 将作物冠层图像分成作物和非作物(土壤和残余物)。目前，利用数字图像技术分割作物冠层图像时采用两种方法一一基于图像处 理软件的手动方法和基于图像分割技术的自动方法。其中，手动方法分割精度高， 但是需要较多的人工参与，使用起来不方便。这类方法有王晓静等人和纪秀峰 采用Adobe Photoshop 7. 0直接去除土壤背景方法；Lukina利用软件Micrografx pixture，通过交互调节数字影像的对比度和色彩平衡方法分割小麦冠层图像； Ewing利用软件RGBcal,DyEye和RootEdge通过交互调节红绿蓝颜色、色调、 明度、和饱和度的的阈值及红绿蓝的主成分分析方法分割玉米冠层图像； Richardson利用软件SigmaScan Pro通过交互调节色调和饱和度的阈值分割草 地图像。自动方法不需要人的直接参与，这类方法有王桂琴、雷咏雯、袁道军、单 成钢、Cescatti、 Ling、 Shresthal、 Reid、 Stefan、 Wang等人釆用的基于阈值 的分割方法；Neto等人采用的基于连通元、模糊聚类和遗传优化算法的分割方 法；Bunting、Lhermitte等人采用的基于植被指数的分割方法；Mallinis、Grandi、 Wang、 Kampa、 Li等人采用的多尺度分割方法；0nyango等人采用的基于物理反 射模型的分割方法；Clement采用的基于直方图的分割方法；Dong等人采用的基 于高斯-马尔可夫随机域模型的分割方法；0uchi等人采用的高斯期望最大化分 割方法；Crespo等人采用的基于神经网络的分割方法；01 iver等人釆用的基于 紋理的分割方法；Moigne等人采用的基于边缘和区域的分割方法；Gallo等人采用的基于形状分析的分割方法；Rodriguez等人采用的规范分析方法的分割方法; 陈水森、Sadjadi等人釆用的基于预先存储的模型的分割方法。在这两大类方法中，半自动方法需要较多的人工干预，但是分割精度较高， 自动分割方法不需要人工干预，但是分割效果不尽如人意。
发明内容本发明的目的在于提供一种需要设定的参数较少，特征提取过程简单明了 ， 易于实现，分割正确率高的基于均值漂移的农作物冠层图像分割方法。本发明的目的是这样实现的首先，将在RGB颜色空间中表示的作物冠层图 像进行重新采样；然后，将作物冠层图像变换到HSI空间中；接下来，将作物冠 层图像中的每一个像素用四个特征值组成的四元组表示，即G-R、 G_B、 H、 S, 其中R、 G、 B分别表示像素的在RGB空间中的红色分量、绿色分量和兰色分量， H、 S分别表示像素的在HSI颜色空间中的色度和饱和度；然后，利用均值漂移 算法将作物冠层图像分割为不同的类；最后，计算每一类的特征均值，若该均值 的第一、第二个分量均大于O则判断为作物，否则为非作物。考虑到农作物冠层图像相对来说颜色比较均勾，因此，所述的利用均值漂移 算法将作物冠层图像分割为不同的类是在计算重心时不是对整个图像进行加权 平均，而是在事先规定的一个mxm窗口中进行。首先设定采样后图像中任意未 被分类的像素P为mxm窗口的重心，然后，利用均值漂移向量计算以p为中心 的mxm窗口的重心与像素p之间的偏移量，从而得到新的重心位置；这个过程 反复叠代，直到每一次计算的偏移量小于预先设定的阈值。这种方法只在以像素 p为中心mxm窗口范围内计算偏移量，大大减小了计算量，节省了计算时间。本发明所采用的技术方案是，首先，将在RGB颜色空间中表示的作物冠层图 像进行重新釆样，以减小图像尺寸，加快图像处理的速度；然后，将作物冠层图 像变换到HSI空间中；接下来，将作物冠层图像中的每一个像素用四个特征值组 成的四元组表示，即(G-R, G-B, H， S ),其中R、 G、 B分别表示像素的在RGB空间 中的红色分量、绿色分量和兰色分量，H、 S分别表示像素的在HSI颜色空间中 的色度和饱和度；然后，利用均值漂移算法将作物冠层图像分割为不同的类，在 这一步中，为了加快运算速度，在计算重心时不是对整个图像进行加权平均，而 是在事先规定的一个mxm窗口中进行；最后，计算每一类的特征均值，若该均值的第一、第二个分量均大于O则判断为作物，否则为非作物。本发明的有益效 果是，对农作物冠层图像的分割丰较髙，需要设定的参数不仅各数较少，而且具 有明确的物理意义，同时，特征提取过程简单明了，算法易于实现。 具体实施方式
下面举例对本发明做更详细地描述首先，为了提高分割速度，将作物冠层图像进行重新采样，以减小图像尺寸。具体作法是将原图像,分成rx/"的小区域，计算每个小区域的RGB颜色 平均值，用这个颜色平均值表示该小区域的颜色，得到处理之后的图像/。经过 这样的处理之后，图像/的尺寸变为图像尸的1"。其次，为了提取不同的颜色特征，将重新采样的图像/变换到HSI颜色空间。 然后，对于图像/的每一个像素提取四个特征，即G-R,G-B,H,S,并将图 像/的每一个像素用四元组(G-R,G-B,H,S)表示。最后，利用均值漂移算法将作物冠层图像分割为作物和非作物，同时为了加 快运算速度，在计算重心时不是对整个图像进行加权平均，而是在事先规定的一 个迈x辺窗口中进行，具体做法如下 步骤l, /=0;步骤2，选定图像/的第/个像素，其位置为/',特征值为-步骤3,选定图像中以7为中心的加x历窗口，同时令窗口的初始重心G= x,.; 步骤4,使用式(l)计算历xy/;窗口的新重心G,<formula>formula see original document page 5</formula>其中，//:(/2，2,/222，/Z32，/ 42)为带宽矩阵，A为"X/Z7窗口中第J'个像素 的特征值。步骤5,若<formula>formula see original document page 5</formula>(e为给定误差限)，转步骤6,否则令C。= G，转步 骤4;步骤6，令;c,-C,,/=/+1,重复步骤2 _步骤6直至遍历图像/的所有像素；步骤7，重新遍历图像/的所有像素，若像素/和像素7'满足如下条件，I & — 、d 1<1 & I对于d=1， 2, 3, 4成立则合并为同一类，其中，^表示A的第rf个分量。 步骤8,删除包含像素个数小于15的类。步骤9，遍历图像/所包含的所有类，计算类/ (^1，2….，yV; yV为类的个数) 特征均值^ =(浙,，仏，尾，/^)，若^>0并且^>0,则该类所包含的 区域为作物，否则为非作物。
权利要求
1、一种基于均值漂移的农作物冠层图像分割方法，其特征是首先，将在RGB颜色空间中表示的作物冠层图像进行重新采样；然后，将作物冠层图像变换到HSI空间中；接下来，将作物冠层图像中的每一个像素用四个特征值组成的四元组表示，即G-R、G-B、H、S，其中R、G、B分别表示像素的在RGB空间中的红色分量、绿色分量和兰色分量，H、S分别表示像素的在HSI颜色空间中的色度和饱和度；然后，利用均值漂移算法将作物冠层图像分割为不同的类；最后，计算每一类的特征均值，若该均值的第一、第二个分量均大于0则判断为作物，否则为非作物。
2、 根据权利要求1所述的基于均值漂移的农作物冠层图像分割方法，其特 征是所述的利用均值漂移算法将作物冠层图像分割为不同的类是首先设定釆 样后图像中任意未被分类的像素p为mxm窗口的重心，然后，利用均值漂移向 量计算以P为中心的mxm窗口的重心与像素p之间的偏移量，从而得到新的重 心位置；这个过程反复叠代，直到每一次计算的偏移量小于预先设定的阈值。
全文摘要
本发明提供的是一种基于均值漂移的农作物冠层图像分割方法。首先，将在RGB颜色空间中表示的作物冠层图像进行重新采样；然后，将作物冠层图像变换到HSI空间中；接下来，将作物冠层图像中的每一个像素用四个特征值组成的四元组表示，即G-R、G-B、H、S，其中R、G、B分别表示像素的在RGB空间中的红色分量、绿色分量和蓝色分量，H、S分别表示像素的在HSI颜色空间中的色度和饱和度；然后，利用均值漂移算法将作物冠层图像分割为不同的类；最后，计算每一类的特征均值，若该均值的第一、第二个分量均大于0则判断为作物，否则为非作物。本发明的有益效果是，需要设定的参数较少，特征提取过程简单明了，算法易于实现，分割正确率高。
文档编号G06T5/00GK101226633SQ20081006394
公开日2008年7月23日 申请日期2008年1月30日 优先权日2008年1月30日
发明者郑丽颖 申请人:哈尔滨工程大学