基于图像增强和α角度模型的K均值小麦冠层分割算法的改进

作     者：张小虎 黄芬 陈佳悦 高翔 刘铭 姚霞 朱艳 ZHANG Xiaohu;HUANG Fen;CHEN Jiayue;GAO Xiang;LIU Ming;YAO Xia;ZHU Yan

作者机构：南京农业大学国家信息农业工程技术中心江苏南京210095 南京农业大学信息科学与技术学院江苏南京210095 中国移动通信集团浙江有限公司嘉兴分公司浙江嘉兴314000 

基　　金：国家重点研发计划项目(2016YFD0300607) 江苏省农业科技自主创新资金项目[CX(14)2116] 

出 版 物：《南京农业大学学报》 (Journal of Nanjing Agricultural University)

年 卷 期：2018年第41卷第3期

页      码：413-421页

摘      要：[目的]本文旨在克服光照不均引起的低对比度、反光、阴影、光斑及遮挡等对大田复杂背景下小麦冠层图像分割的干扰。[方法]设计了一种结合脉冲耦合神经网络(pulse coupled neural network,PCNN)与同态滤波的自适应图像增强和基于L*a*b*颜色空间α角度模型的K均值聚类分割算法。首先,将小麦冠层图像转换到HSI颜色空间,采用自适应算法对HSI空间的I分量进行增强处理,适当调节饱和度S分量,补偿光照强度分布不均,去除阴影及拉大对比度;其次,将增强处理后的图像映射到L*a*b*颜色空间,提取a*、b*分量建立α角度模型;最后,基于α进行K均值聚类分割处理。[结果]拔节前后光照强度不一、光照不均的冬小麦冠层图像的分割试验结果表明,该算法可一定程度避免基于L*a*b*颜色空间α角度分量K均值聚类的过分割现象;改善基于HSI空间H分量K均值聚类的欠分割缺陷,且对光斑、阴影遮挡、反光突出的图像分割更完整准确。[结论]本算法可为大田复杂背景下光照多变的作物冠层图像分割提供参考方法。

主 题 词：小麦冠层图像分割 图像增强 脉冲耦合神经网络 同态滤波 α角度模型 L*a*b*颜色空间 

学科分类：1305[艺术学-设计学类] 13[艺术学] 082804[082804] 08[工学] 0828[工学-建筑类] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.7685/jnau.201705015

馆 藏 号：203287922...