-
题名水稻冠层图像分割方法对比研究
被引量：8
- 1
-
-
作者
黄巧义
樊小林
张木
黄旭
李苹
付弘婷
唐拴虎
-
机构
广东省农业科学院农业资源与环境研究所/农业部南方植物营养与肥料重点实验室/广东省养分资源循环利用与耕地保育重点实验室
华南农业大学/广东高校环境友好型肥料工程技术研究中心
-
出处
《中国生态农业学报》
CSCD
北大核心
2018年第5期710-718,共9页
-
基金
公益性行业(农业)科研专项(201503123)
广东省科技计划项目(2016A020210035
+1 种基金
2014B090904068)
广州市创新团队项目(2016B070701009)资助~~
-
文摘
水稻冠层信息在自动化管理上具有重要指导意义,但田间多变光照强度环境显著降低了水稻冠层图像分割和信息提取的精度。为降低光照强度的干扰,本文基于RGB、CIEL~*a~*b~*、HSV色彩空间和多色彩空间(包括RGB、CIEL~*a~*b~*和HSV色彩空间)构建水稻冠层图像的色彩特征组合,然后通过支持向量机(SVM)的线性核函数对水稻冠层图像进行分类识别,其分割方法分别定义为rgb-SVM、lab-SVM、hsv-SVM和Multi-SVM。同时,利用此方法对不同光照强度下的水稻冠层图像进行分割,并与常用的Ex G&Otsu分割方法进行对比,比较不同方法的分割效果和光强稳健性。结果表明,rgb-SVM的分割效果优于Ex G&Otsu方法,但对晴天条件下获取的水稻冠层图像的分割误差仍较大,光强稳健性低;lab-SVM和hsv-SVM分割方法的分割精确度较低,存在一定的欠分割现象;基于多色彩空间和支持向量机的Multi-SVM分割方法的分割效果最佳,该方法对不同光强下获取的水稻冠层图像的分割误差均控制在4.00%以内,具有较好的光强稳健性。因此,基于多色彩空间和支持向量机的Multi-SVM分割方法能够相对准确地将水稻像元从水稻冠层图像中分割出来,且对田间多变光强条件具有一定的稳健性,可为田间水稻生长发育监测和自动化管理提供一定的技术支持。
-
关键词
水稻
冠层图像
光照强度
图像分割
色彩空间
支持向量机
-
Keywords
Rice
Canopy image
Illumination condition
Image segmentation
Color space
Support vector machine
-
分类号
S126
[农业科学—农业基础科学]
-
