论文部分内容阅读
摘 要：针对苗期农业图像的特点，提出了一种改进的Otsu阈值分割方法。使用2g-r-b方法对图像实行灰度化，再应用改进的判别函数选择分割阈值，以得到最优的分割结果。通过对分割结果的试验分析，验证了改进的Otsu法的有效性。
关键词：图像分割；Otsu法；农业图像；分割评价
中图分类号：TP391.4 文献标识码：A DOI：10.11974/nyyjs.20160432002
引言
图像分割是数字图像处理技术中一项非常关键的技术之一，它是对图像进行分析识别等处理的前提。阈值分割方法由于其简单、实时性好而得到了广泛应用。依据对图像采用阈值的个数可分为全局阈值方法和局部阈值方法[1]。但是图像分割仍然是一个具有挑战性的研究领域。针对农业图像中目标和背景分布的复杂性，本文在原始otsu算法基础上，提出了一种改进的Otsu分割方法，在图像的基本信息不变的情况下，给出了一种新的分割阈值判别函数。实验结果表明，改进的算法比传统的Otsu阈值分割法能够获得更好的分割效果。
1 材料与方法
1.1 试验材料与设备
本研究所使用的图像均在石河子大学农学院试验站（N45°19’，E86°03’）采集。采集时间为2015年4月下旬～5月中旬，累计1个月时间。为了方便研究，统一调整图片大小为640×480。图像处理由PC机完成，配置为：处理器Inter（R） Core（TM） CPU@2.60GHz，内存4GB，在Matlab R2008a 软件平台上运行。
1.2 改进otsu图像分割算法
根据农田图像自身的特点，为了克服光照变化和阴影的影响，首先采用归一化的2g-r-b算法[2]对图像进行灰度化处理。
最大类间方差法[3，4]（Otsu法）是在判决分析的基础上推导出来的，它不需要其它的先验知识，主要根据图像的一维直方图，将目标和背景的最大类间方差作为阈值选择标准，抗干扰能力强。其基本思想如下：设灰度图像的灰度级（），处在灰度级i的像素个数用ni表示，总的像素用N表示，Pi表示图像中灰度级为i出现的概率，定义为
将图像中的像素按灰度级用阈值t划分为2类，即C0和C1。，，则2类出现的概率分别为：
让从[0，L-1]依次取值，当最大时对应的值即为Otsu算法的最佳阈值。
根据类间方差的定义，即（3）式可知，传统的 Otsu 法只考虑背景和目标之间的方差，却忽略了不同区域像素中包含的分类信息，对噪声较为敏感。当图像的灰度直方图没有呈现双峰状时，分割效果就不太令人满意。为了更全面地反映分类的好坏，降低噪声对分割结果的影响，在充分考虑目标类和背景类二者之间分离性以及各自的类均值这2个因素后，定义新的阈值判别函数为：
该分类函数不仅考虑了类间的方差，还综合考虑了各类之间的权重与灰度均值，当在[0，L-1]之间变化时，该阈值函数能使目标和背景最大程度的分开，达到有效分割图像的目的。
2 试验结果与分析
为验证改进算法的有效性，采用自然光照环境下采集的田间作物图像进行测试。图1（a）是在大田环境下采集的杂草图像，该图像部分叶片重叠，还存在枯草、大块土壤等复杂背景。图1（b）是Otsu方法分割得到的结果，通过观察发现，该算法对叶片分割较粗糙，有很多细节没有分割完全，背景存在大量过分割。图1（c）是改进算法分割结果，可以发现其结果明显优于传统Otsu方法分割结果。叶片分割和背景较完整，几乎不存在误分割。
3 结 论
针对苗期农作物图像噪声大，背景复杂的特点，在分析otsu算法机理的基础上，提出一种新的阈值判别函数，试验证实新的判别函数对图像分割与传统otsu算法分割结果相比有明显改进。
参考文献
[1] 倪麟.基于Otsu理论的图像分割算法的研究[D].重庆大学，2013.
[2] 胡波，毛罕平，张艳诚.基于二维直方图的杂草图像分割算法[J].农业机械学报，2007，38（4）：199-202.
[3] Ohtsu N. A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems Man and Cybernetics， 1979， 9（1）：62-66.
[4] 王磊，多維Otsu方法在图像分割中的研究[D].山东：山东师范大学，2009.
作者简介：何旭（1992-），男，学士，主要从事农业图像处理研究。
关键词：图像分割；Otsu法；农业图像；分割评价
中图分类号：TP391.4 文献标识码：A DOI：10.11974/nyyjs.20160432002
引言
图像分割是数字图像处理技术中一项非常关键的技术之一，它是对图像进行分析识别等处理的前提。阈值分割方法由于其简单、实时性好而得到了广泛应用。依据对图像采用阈值的个数可分为全局阈值方法和局部阈值方法[1]。但是图像分割仍然是一个具有挑战性的研究领域。针对农业图像中目标和背景分布的复杂性，本文在原始otsu算法基础上，提出了一种改进的Otsu分割方法，在图像的基本信息不变的情况下，给出了一种新的分割阈值判别函数。实验结果表明，改进的算法比传统的Otsu阈值分割法能够获得更好的分割效果。
1 材料与方法
1.1 试验材料与设备
本研究所使用的图像均在石河子大学农学院试验站（N45°19’，E86°03’）采集。采集时间为2015年4月下旬～5月中旬，累计1个月时间。为了方便研究，统一调整图片大小为640×480。图像处理由PC机完成，配置为：处理器Inter（R） Core（TM） CPU@2.60GHz，内存4GB，在Matlab R2008a 软件平台上运行。
1.2 改进otsu图像分割算法
根据农田图像自身的特点，为了克服光照变化和阴影的影响，首先采用归一化的2g-r-b算法[2]对图像进行灰度化处理。
最大类间方差法[3，4]（Otsu法）是在判决分析的基础上推导出来的，它不需要其它的先验知识，主要根据图像的一维直方图，将目标和背景的最大类间方差作为阈值选择标准，抗干扰能力强。其基本思想如下：设灰度图像的灰度级（），处在灰度级i的像素个数用ni表示，总的像素用N表示，Pi表示图像中灰度级为i出现的概率，定义为
将图像中的像素按灰度级用阈值t划分为2类，即C0和C1。，，则2类出现的概率分别为：
让从[0，L-1]依次取值，当最大时对应的值即为Otsu算法的最佳阈值。
根据类间方差的定义，即（3）式可知，传统的 Otsu 法只考虑背景和目标之间的方差，却忽略了不同区域像素中包含的分类信息，对噪声较为敏感。当图像的灰度直方图没有呈现双峰状时，分割效果就不太令人满意。为了更全面地反映分类的好坏，降低噪声对分割结果的影响，在充分考虑目标类和背景类二者之间分离性以及各自的类均值这2个因素后，定义新的阈值判别函数为：
该分类函数不仅考虑了类间的方差，还综合考虑了各类之间的权重与灰度均值，当在[0，L-1]之间变化时，该阈值函数能使目标和背景最大程度的分开，达到有效分割图像的目的。
2 试验结果与分析
为验证改进算法的有效性，采用自然光照环境下采集的田间作物图像进行测试。图1（a）是在大田环境下采集的杂草图像，该图像部分叶片重叠，还存在枯草、大块土壤等复杂背景。图1（b）是Otsu方法分割得到的结果，通过观察发现，该算法对叶片分割较粗糙，有很多细节没有分割完全，背景存在大量过分割。图1（c）是改进算法分割结果，可以发现其结果明显优于传统Otsu方法分割结果。叶片分割和背景较完整，几乎不存在误分割。
3 结 论
针对苗期农作物图像噪声大，背景复杂的特点，在分析otsu算法机理的基础上，提出一种新的阈值判别函数，试验证实新的判别函数对图像分割与传统otsu算法分割结果相比有明显改进。
参考文献
[1] 倪麟.基于Otsu理论的图像分割算法的研究[D].重庆大学，2013.
[2] 胡波，毛罕平，张艳诚.基于二维直方图的杂草图像分割算法[J].农业机械学报，2007，38（4）：199-202.
[3] Ohtsu N. A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems Man and Cybernetics， 1979， 9（1）：62-66.
[4] 王磊，多維Otsu方法在图像分割中的研究[D].山东：山东师范大学，2009.
作者简介：何旭（1992-），男，学士，主要从事农业图像处理研究。