基于高斯HI颜色算法的大田油菜图像分割

• 作者: 刘善梅 彭辉 方益杭 林承达 罗俊 翟瑞芳
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 图像分割 算法 高斯分布 HSI颜色模型 大田油菜
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 142-147
• 页数: 6页
• 分类号: TP391.41|S126
• 字数: 3609字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2016.08.020

摘要

针对自然条件下光照条件变化给大田油菜图像分割带来的问题，该文研究了油菜图像的高斯HI颜色分割算法，为作物生长发育周期的自动识别提供前期准备。已有统计结果表明，在仅保留绿色作物的图像中，不同色调值的像素数量服从高斯分布。该文将去掉背景信息的样本数据从RGB颜色模型转换至HSI颜色模型后，统计各个光强的所有像素对应的色调值，并计算其期望值和方差，依次得出所有强度所对应色调值的期望值和方差，建立出油菜作物色调强度查找表（hue intensity-look up table）。在此基础上，计算每个像素的色调值和期望值之间的差值，若差值小于阈值，则像素被分割为作物，否则为背景。为了在高斯HI颜色分割算法中确定合适的阈值，该研究选取了45幅不同天气状况（晴天、阴天和雨天）不同发育阶段（苗期、三叶期和四叶期）的油菜图像作为样本，探讨阈值的选取与分割结果的关系。结果表明阈值在[2.4,2.6]内分割效果最佳，油菜目标的形状特征完整度最好。为了对图像分割结果进行评价，分别利用高斯HI颜色模型、CIVE（color index of vegetation extraction）、EXG-EXR（excess green-excess red）、EXG（excess green）和VEG（vegetation）算法对15幅不同天气状况的图像进行分割。从视觉效果上来看，高斯HI算法仅需少量样本，即可达到满意分割效果。与其他方法相比，高斯HI颜色分割算法的误分割率（misclassification error，ME）仅为1.8%，相对目标面积误差（relative object area error，RAE）仅为3.6%，均优于其他4种算法的试验结果。在分割结果稳定性上，高斯HI颜色算法表现最好，其ME和RAE值的标准差最低，分别为0.7%和4.5%。试验结果表明，高斯HI颜色算法能取得较好的分割效果，而且对光照条件变化并不敏感，同时，能够充分保留油菜形状特征的完整性，为后期油菜生长发育周期的自动识别提供可靠数据。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭辉	华中农业大学信息学院	21	250	9.0	15.0
2	翟瑞芳	华中农业大学信息学院	11	147	7.0	11.0
3	刘善梅	华中农业大学信息学院	11	199	9.0	11.0
4	林承达	华中农业大学资源与环境学院	8	66	4.0	8.0
5	方益杭		1	30	1.0	1.0
6	罗俊	华中农业大学信息学院	6	61	4.0	6.0