基于Dog-Leg正则化自适应压缩采样的植株图像重构

• 作者: 刘加林 刘慧 李尚龙 沈跃
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 图像重构 算法 压缩感知 最小二乘法 显著性特征图 边缘检测
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 191-199
• 页数: 9页
• 分类号: TN911.72
• 字数: 7661字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.12.023

摘要

目标植株的图像压缩与重构在农作物生长状态检测、田间管理和果树病虫害识别等方面有重要作用.传统的图像压缩感知方法存在重构精度低、时间长等问题.针对这些情况,该文提出一种基于Dog-Leg最小二乘的正则化自适应压缩采样匹配追踪(regularized adaptive compressed sampling matching pursuit based on Dog-Leg,DLRaCSMP)算法.该算法以压缩采样匹配追踪(compressive sampling matching pursuit,CoSaMP)算法为基础,在迭代过程中采用正则化处理,确保支撑集选取的准确性,并结合变步长自适应思想和Dog-Leg最小二乘算法,在实现稀疏度自适应的同时,提高重构速率;选用Kinect获取目标植株的彩色图像,分别采用HSV彩色空间的亮度和色调特征及Sobel算子的轮廓特征输入至Itti模型中融合构建显著性特征图,以简化复杂背景和突出目标植株.试验结果表明,该算法在采样率为0.50时植株原始图像和显著性特征图的重构时间分别为2.14和1.75 s,较CoSaMP算法分别缩短6.57和6.31 s,重构效率比CoSaMP算法平均分别提高75.5％和77.9％;图像峰值信噪比分别高达35.16和38.93 dB,较CoSaMP算法分别提高6.12和5.75 dB,且重构精度比CoSaMP算法平均分别提高21.6％和15.5％,可以实现植株图像的快速精确重构.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘慧	江苏大学电气信息工程学院	63	790	16.0	25.0
2	沈跃	江苏大学电气信息工程学院	49	502	14.0	20.0
3	刘加林	江苏大学电气信息工程学院	4	8	2.0	2.0
4	李尚龙	江苏大学电气信息工程学院	3	2	1.0	1.0