论文部分内容阅读
【摘 要】农业图像的采集多数在自然环境下，受光照影响大，因此研究光照对农业图像分割的影响成为一个研究热点。首先介绍了相关研究的内容，然后提出了增加辅助光条件下进行农业图像分割研究中几个值得注意的问题。
【关键词】农业图像；图像分割；辅助光
随着计算机技术的普及推广，精准农业模式的提出，应用计算机视觉、图像处理技术进行农作物中的识别与控制成为可能。在农业机器视觉中，田间图像的分割主要是指将作物等植被区域与土壤等背景区域分离开来，为后续的作物的识别提供基础。一方面，田间图像的分割是利用机器视觉进行农田信息获取的基础，另一方面，田间图像的分割精度对作物识别精度影响很大，因此图像分割一直是农业图像处理的研究热点。在机器视觉中，光照一直是影响图像分割效果的重要因素，因此光照对图像分割质量的影响逐渐成为一个热点问题。
1. 光照对农业图像分割的影响
在田间图像分割中，光照的变化对图像的分割结果会产生很大的影响，严重影响分割效果。随着外界光照环境的变化，植被和土壤的表面会出现不同的反光或者不反光的现象。光照过强时，植被和土壤都会发生反光现象，呈现出一片白色的光斑。而如果外界光照过暗，将无法体现出叶片和土壤在颜色上的差异，叶片和土壤都会变得灰蒙蒙的。在这种情况下，对采集到的图像进行分割必然会产生很大的分割误差。
光照对田间图像的分割效果影响很大。然而，传统关于田间图像分割的研究，多是对分割特征和分割算法进行优化或者引入模式识别的方法，进而提出新的分割方法。在这些研究中，尽管也有一些考虑到了光照对分割结果的影响，但大都没有研究如何合理地利用辅助光来改善田间图像的分割效果，而增加辅助光是机器视觉常见的控制光照环境的手段。所以，通过人为的设置辅助光源，在不同的辅助光源照射下，对田间图像的分割进行研究。这就可以在辅助光源下构造不同的光照环境，从而提高农业图像的分割效果
2.国内外现状
目前国内外的学者对田间图像的分割都已经进行了广泛的研究，国外对于田间图像分割这方面的研究较早，已有一些成果在实际中得以应用。对于田间图像的分割，国内外学者大多是对分割特征和分割算法进行研究，对光照条件的研究较少。
田间图像分割效果受光照的影响较大，一些学者考虑到了光照条件对分割的影响，提出了一些受光照影响较小的分割方法。张志斌从简单物体光照颜色模型方面，分析了RGB颜色空间中作物绿色"恒量"的存在性，构建了作物图像分割相对错误率评估模型。并与传统颜色索引方法进行了对比分析。实验结果表明，对该方法对光照变化不敏感[1]。为了适应不同农田地块自然图像颜色特征固有的差异性，周俊从土壤背景中准确分割出各种绿色植物目标，设计了一种自适应分割方法，农田图像试验结果显示，该方法可以提高分割模型的针对性，有效地增强了分割过程适应农田自然图像颜色特征差异性的能力[2]。刘瑞琪分析了4种来源于超绿特征（2g-r-b）的分割特征，并进行实证分析。结果表明，（R+G+B）是田间图像分割特征中最主要的参数[3]。周果利用颜色分量G-R和G-B与灰度直方图来实现玉米苗期图像与背景图像的分割，解决了玉米苗期田间杂草识别中受影响及环境适应性差等问题[4]。谭峰以6种植物图像为例，结合数字图像处理技术，采用BP神经元网络方法在植物图像颜色较复杂，且受周边环境影响较大的情况下，实现了植物图像与背景图像的分割[5]。李聪等通过在传统模型中加入图像亮度特性、像素频率特性、颜色的感知特性等避免了传统分割算法对颜色和形态特征过度依赖的弊端[6]。Astrand 等通过比较实验确定了一个计算量小的因子，在较宽范围光照条件下，能够满足视觉导航系统捕捉作物“绿色”特征的要求[7]。田磊等针对野外光照条件下农业机械自主作业的需要， 提出了一种可适环境的图像分割算法。该算法在 RGB 颜色空间中先采用聚类法进行目标与背景的分类，然后采用贝叶斯分类器进行分类面的训练决策，分割了绿色作物与土壤背景[8]。张红霞等提出了基于亮度的快速分割算法。该算法采用 RGB 颜色空间，在 EXG 算法灰度化基础上，采用了阈值分割法，试验结果表明分割效果很好[9]。金小俊等提出了根据图像中每个像素点是否满足G>R且G>B对杂草和土壤背景进行分割的方法，减小了户外光线变化对分割精度的影响[10]。程玉柱针对苗期玉米田复杂土壤背景噪声，提出一种基于MMC（最大间隔准则）与CV（Chan-Vese）模型的玉米彩色图像分割算法。试验结果表明，算法优于传统的颜色因子与Otsu组合算法，提高了强光下的分割效果 [11]。
3.进一步研究中值得注意的问题
目前，许多研究者已经采用了不同的颜色特征和分割方法对农田图像的分割进行了研究，国内外相关研究也已经取得了很多结果。但是，这些研究大都没有利用辅助光源来提高分割精度。由于外界因素的影响，现有的分割算法仍然会产生较大的分割误差。因此可以考虑增加辅助光构造光照环境进行研究，在研究中以下几个问题值得注意。
3.1光照强度对分割特征和分割算法的影响
田间环境复杂，不同的光照强度会对图像的分割结果产生不同的影响。利用辅助光来改变田间光照强度，选择不同的分割特征和分割算法时，也会产生不同的分割效果。有的分割特征和分割算法对光照强度的变化不敏感，在光照强度变化范围很大时也能保持较高的分割正确率。而有的分割特征和分割算法在某些特定的光照环境下可以获得很高的分割正确率，但是容易受到光照强度变化的影响，分割效果不稳定。在实际应用中，可以根据对分割的稳定性要求和正确率要求的不同，选择不同的分割特征和分割算法。
3.2辅助光源与摄像机相对角度的确定
辅助光与摄像机的相对角度会对采集到的图像产生影响。当辅助光照射方向与摄像机镜头方向不再是都垂直向下时，便会存在着顺光和逆光的选择。辅助光源可以顺着摄像机镜头方向照射在植被上，也可以在摄像机的另一侧逆着摄像机的镜头方向照射在植被上。 3.3辅助光源的光照强度与照射角度设置方法的确定
确定好摄像机与辅助光源的相对角度之后，还需要确定它们与地面之间的角度。它们与地面之间的角度不同，采集到的图像也会不同，最终的分割效果也会存在差异。本课题探究了摄像机和辅助光源在与地面呈不同角度的情况下的图像分割效果，确定出有利于提高图像分割正确率的放置角度。
参考文献：
[1]张志斌，罗锡文，臧英，厚福祥，徐晓东. 基于颜色特征的绿色作物图像分割算法[J]. 农业工程学报，2011，07：183-189.
[2]周俊，王明军，邵乔林. 农田图像绿色植物自适应分割方法[J]. 农业工程学报，2013，18：163-170.
[3]刘瑞琪，曹乃文. 杂草图像分割中分割特征的研究[J].安徽农业科学，2011，30：18991-18992.
[4]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，2012，08：22-24.
[5]谭峰，马晓丹. 基于神经网络的植物图像分割算法的研究[J]. 黑龙江八一农垦大学学报，2009，01：63-65.
[6]李聪，高海燕，袁超. 基于改进HVS的水稻杂草图像分割算法[J]. 计算机仿真，2012，04：324-327.
[7]Astrand B， Baerveldt A. An agricultural mobile robot with vision-based perception for mechanical weed control[J]. Autonomous robots， 2002， 13（1）： 21-35.
[8]Lei F T， David C. Environmentally adaptive segmentation algorithm for outdoor image segmengtation[J]. Computer and Electronics in Agriculture， 1998， 21（3）： 153-168.
[9]张红霞，张铁中，宋健.一种快速农田目标分割方法的实现[J]. 潍坊学院学报，2006，6（4）：1-4.
[10]金小俊.基于机器视觉的除草机器人杂草识别[J].山东科技大学学报.2012（2）：104-108.
[11]程玉柱，陈勇，张浩等.基于MMC与CV模型的苗期玉米图像分割算法[J].农业机械学报，2013，44（11）：266-270.
基金项目：
广西教育厅科研项目（LX2014198）
作者简介：
贾海斌（1990年5月-），男，河南邓州人，汉族，硕士，研究方向为：机器视觉与模式识别。
【关键词】农业图像；图像分割；辅助光
随着计算机技术的普及推广，精准农业模式的提出，应用计算机视觉、图像处理技术进行农作物中的识别与控制成为可能。在农业机器视觉中，田间图像的分割主要是指将作物等植被区域与土壤等背景区域分离开来，为后续的作物的识别提供基础。一方面，田间图像的分割是利用机器视觉进行农田信息获取的基础，另一方面，田间图像的分割精度对作物识别精度影响很大，因此图像分割一直是农业图像处理的研究热点。在机器视觉中，光照一直是影响图像分割效果的重要因素，因此光照对图像分割质量的影响逐渐成为一个热点问题。
1. 光照对农业图像分割的影响
在田间图像分割中，光照的变化对图像的分割结果会产生很大的影响，严重影响分割效果。随着外界光照环境的变化，植被和土壤的表面会出现不同的反光或者不反光的现象。光照过强时，植被和土壤都会发生反光现象，呈现出一片白色的光斑。而如果外界光照过暗，将无法体现出叶片和土壤在颜色上的差异，叶片和土壤都会变得灰蒙蒙的。在这种情况下，对采集到的图像进行分割必然会产生很大的分割误差。
光照对田间图像的分割效果影响很大。然而，传统关于田间图像分割的研究，多是对分割特征和分割算法进行优化或者引入模式识别的方法，进而提出新的分割方法。在这些研究中，尽管也有一些考虑到了光照对分割结果的影响，但大都没有研究如何合理地利用辅助光来改善田间图像的分割效果，而增加辅助光是机器视觉常见的控制光照环境的手段。所以，通过人为的设置辅助光源，在不同的辅助光源照射下，对田间图像的分割进行研究。这就可以在辅助光源下构造不同的光照环境，从而提高农业图像的分割效果
2.国内外现状
目前国内外的学者对田间图像的分割都已经进行了广泛的研究，国外对于田间图像分割这方面的研究较早，已有一些成果在实际中得以应用。对于田间图像的分割，国内外学者大多是对分割特征和分割算法进行研究，对光照条件的研究较少。
田间图像分割效果受光照的影响较大，一些学者考虑到了光照条件对分割的影响，提出了一些受光照影响较小的分割方法。张志斌从简单物体光照颜色模型方面，分析了RGB颜色空间中作物绿色"恒量"的存在性，构建了作物图像分割相对错误率评估模型。并与传统颜色索引方法进行了对比分析。实验结果表明，对该方法对光照变化不敏感[1]。为了适应不同农田地块自然图像颜色特征固有的差异性，周俊从土壤背景中准确分割出各种绿色植物目标，设计了一种自适应分割方法，农田图像试验结果显示，该方法可以提高分割模型的针对性，有效地增强了分割过程适应农田自然图像颜色特征差异性的能力[2]。刘瑞琪分析了4种来源于超绿特征（2g-r-b）的分割特征，并进行实证分析。结果表明，（R+G+B）是田间图像分割特征中最主要的参数[3]。周果利用颜色分量G-R和G-B与灰度直方图来实现玉米苗期图像与背景图像的分割，解决了玉米苗期田间杂草识别中受影响及环境适应性差等问题[4]。谭峰以6种植物图像为例，结合数字图像处理技术，采用BP神经元网络方法在植物图像颜色较复杂，且受周边环境影响较大的情况下，实现了植物图像与背景图像的分割[5]。李聪等通过在传统模型中加入图像亮度特性、像素频率特性、颜色的感知特性等避免了传统分割算法对颜色和形态特征过度依赖的弊端[6]。Astrand 等通过比较实验确定了一个计算量小的因子，在较宽范围光照条件下，能够满足视觉导航系统捕捉作物“绿色”特征的要求[7]。田磊等针对野外光照条件下农业机械自主作业的需要， 提出了一种可适环境的图像分割算法。该算法在 RGB 颜色空间中先采用聚类法进行目标与背景的分类，然后采用贝叶斯分类器进行分类面的训练决策，分割了绿色作物与土壤背景[8]。张红霞等提出了基于亮度的快速分割算法。该算法采用 RGB 颜色空间，在 EXG 算法灰度化基础上，采用了阈值分割法，试验结果表明分割效果很好[9]。金小俊等提出了根据图像中每个像素点是否满足G>R且G>B对杂草和土壤背景进行分割的方法，减小了户外光线变化对分割精度的影响[10]。程玉柱针对苗期玉米田复杂土壤背景噪声，提出一种基于MMC（最大间隔准则）与CV（Chan-Vese）模型的玉米彩色图像分割算法。试验结果表明，算法优于传统的颜色因子与Otsu组合算法，提高了强光下的分割效果 [11]。
3.进一步研究中值得注意的问题
目前，许多研究者已经采用了不同的颜色特征和分割方法对农田图像的分割进行了研究，国内外相关研究也已经取得了很多结果。但是，这些研究大都没有利用辅助光源来提高分割精度。由于外界因素的影响，现有的分割算法仍然会产生较大的分割误差。因此可以考虑增加辅助光构造光照环境进行研究，在研究中以下几个问题值得注意。
3.1光照强度对分割特征和分割算法的影响
田间环境复杂，不同的光照强度会对图像的分割结果产生不同的影响。利用辅助光来改变田间光照强度，选择不同的分割特征和分割算法时，也会产生不同的分割效果。有的分割特征和分割算法对光照强度的变化不敏感，在光照强度变化范围很大时也能保持较高的分割正确率。而有的分割特征和分割算法在某些特定的光照环境下可以获得很高的分割正确率，但是容易受到光照强度变化的影响，分割效果不稳定。在实际应用中，可以根据对分割的稳定性要求和正确率要求的不同，选择不同的分割特征和分割算法。
3.2辅助光源与摄像机相对角度的确定
辅助光与摄像机的相对角度会对采集到的图像产生影响。当辅助光照射方向与摄像机镜头方向不再是都垂直向下时，便会存在着顺光和逆光的选择。辅助光源可以顺着摄像机镜头方向照射在植被上，也可以在摄像机的另一侧逆着摄像机的镜头方向照射在植被上。 3.3辅助光源的光照强度与照射角度设置方法的确定
确定好摄像机与辅助光源的相对角度之后，还需要确定它们与地面之间的角度。它们与地面之间的角度不同，采集到的图像也会不同，最终的分割效果也会存在差异。本课题探究了摄像机和辅助光源在与地面呈不同角度的情况下的图像分割效果，确定出有利于提高图像分割正确率的放置角度。
参考文献：
[1]张志斌，罗锡文，臧英，厚福祥，徐晓东. 基于颜色特征的绿色作物图像分割算法[J]. 农业工程学报，2011，07：183-189.
[2]周俊，王明军，邵乔林. 农田图像绿色植物自适应分割方法[J]. 农业工程学报，2013，18：163-170.
[3]刘瑞琪，曹乃文. 杂草图像分割中分割特征的研究[J].安徽农业科学，2011，30：18991-18992.
[4]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，2012，08：22-24.
[5]谭峰，马晓丹. 基于神经网络的植物图像分割算法的研究[J]. 黑龙江八一农垦大学学报，2009，01：63-65.
[6]李聪，高海燕，袁超. 基于改进HVS的水稻杂草图像分割算法[J]. 计算机仿真，2012，04：324-327.
[7]Astrand B， Baerveldt A. An agricultural mobile robot with vision-based perception for mechanical weed control[J]. Autonomous robots， 2002， 13（1）： 21-35.
[8]Lei F T， David C. Environmentally adaptive segmentation algorithm for outdoor image segmengtation[J]. Computer and Electronics in Agriculture， 1998， 21（3）： 153-168.
[9]张红霞，张铁中，宋健.一种快速农田目标分割方法的实现[J]. 潍坊学院学报，2006，6（4）：1-4.
[10]金小俊.基于机器视觉的除草机器人杂草识别[J].山东科技大学学报.2012（2）：104-108.
[11]程玉柱，陈勇，张浩等.基于MMC与CV模型的苗期玉米图像分割算法[J].农业机械学报，2013，44（11）：266-270.
基金项目：
广西教育厅科研项目（LX2014198）
作者简介：
贾海斌（1990年5月-），男，河南邓州人，汉族，硕士，研究方向为：机器视觉与模式识别。