-
题名非垂直拍摄获取细叶作物覆盖度优化算法研究
被引量：4
- 1
-
-
作者
张慧
伍萍辉
张馨
孙铁军
薛绪掌
郑文刚
-
机构
河北工业大学电子信息工程学院
北京农业信息技术研究中心
北京市农林科学院北京草业与环境研究中心
-
出处
《灌溉排水学报》
CSCD
北大核心
2019年第9期55-62,共8页
-
基金
国家重点研发计划项目(2016YFC0403102)
北京市农林科学院科技创新能力建设专项(KJCX20170204)
北京市农林科学院科研创新平台建设项目(PT2019-21)
-
文摘
【目的】探究非垂直拍摄获取细叶作物覆盖度优化算法以及非垂直拍摄对作物覆盖度计算结果的影响。【方法】在北京市小汤山基地草业研究中心露天环境下,以青绿薹草、结缕草为试验对象,获取45°、60°、90°(与地面夹角)3种拍摄角度下的图像,采用基于自适应权重粒子群改进K-means的图像分割方法,分析不同拍摄角度对青绿薹草覆盖度测量精度的影响,研究非垂直拍摄与垂直角度下覆盖度的关系曲线。首先将草RGB图像转化成HSV颜色空间,在HSV颜色空间利用自适应权重PSO算法向全局像素解的子空间搜寻,通过迭代搜寻到全局最优解,确定最佳初始聚类中心;其次利用K-means算法对不同角度图像像素进行聚类划分,从而得到草冠层区域分割结果,最后采用形态学滤波方法对分割结果进行优化。【结果】垂直拍摄时,传统K-means算法计算的2个品种的覆盖度总体相对误差分别为32.89%和34.37%,而本文算法下2个品种总体相对误差分别为11.23%和15.85%。相比于K-means算法,本文算法环境适应性好,算法精度高。非垂直拍摄条件下,本文算法能够克服多角度拍摄导致图像色彩分布不均匀的问题,有效分割出草冠层区域,90°覆盖度估测值与真实值平均误差为3.27%,60°二者平均误差为4.61%,45°平均误差为5.70%,随着拍摄角度的减小,平均误差略有增大,但均小于6%。非垂直角度下计算的覆盖度与垂直角度覆盖度呈显著地线性关系。【结论】采用本文方法可以提高非垂直拍摄获取作物覆盖度的精度。
-
关键词
图像分割
K-MEANS算法
PSO优化算法
多角度
作物覆盖度
-
Keywords
image segmentation
K-means algorithm
PSO optimization algorithm
multi-angle
crop coverage
-
分类号
S24
[农业科学—农业电气化与自动化]
-
