水稻冠层图像分割方法对比研究

文献类型： 中文期刊

第一作者： 黄巧义

作者： 黄巧义;樊小林;张木;黄旭;李苹;付弘婷;唐拴虎

作者机构：

关键词： 水稻;冠层图像;光照强度;图像分割;色彩空间;支持向量机

期刊名称： 中国生态农业学报

ISSN： 1671-3990

年卷期： 2018 年 05 期

页码： 710-718

收录情况： 北大核心 ; CSCD

摘要： 水稻冠层信息在自动化管理上具有重要指导意义,但田间多变光照强度环境显著降低了水稻冠层图像分割和信息提取的精度。为降低光照强度的干扰,本文基于RGB、CIEL~*a~*b~*、HSV色彩空间和多色彩空间(包括RGB、CIEL~*a~*b~*和HSV色彩空间)构建水稻冠层图像的色彩特征组合,然后通过支持向量机(SVM)的线性核函数对水稻冠层图像进行分类识别,其分割方法分别定义为rgb-SVM、lab-SVM、hsv-SVM和Multi-SVM。同时,利用此方法对不同光照强度下的水稻冠层图像进行分割,并与常用的Ex G&Otsu分割方法进行对比,比较不同方法的分割效果和光强稳健性。结果表明,rgb-SVM的分割效果优于Ex G&Otsu方法,但对晴天条件下获取的水稻冠层图像的分割误差仍较大,光强稳健性低;lab-SVM和hsv-SVM分割方法的分割精确度较低,存在一定的欠分割现象;基于多色彩空间和支持向量机的Multi-SVM分割方法的分割效果最佳,该方法对不同光强下获取的水稻冠层图像的分割误差均控制在4.00%以内,具有较好的光强稳健性。因此,基于多色彩空间和支持向量机的Multi-SVM分割方法能够相对准确地将水稻像元从水稻冠层图像中分割出来,且对田间多变光强条件具有一定的稳健性,可为田间水稻生长发育监测和自动化管理提供一定的技术支持。

分类号： S511`TP391.41

  • 相关文献

[1]支持向量机和最大类间方差法结合的水稻冠层图像分割方法. 黄巧义,张木,李苹,付弘婷,黄旭,唐拴虎. 2019

[2]基于色彩与高斯模型的油菜图像根系分割. 刘金亚,刘昌华,许鲲. 2019

[3]基于K均值聚类和开闭交替滤波的黄瓜叶片水滴荧光图像分割. 杨信廷,孙文娟,李明,陈梅香,明楠,韩佳伟,李文勇,陈明. 2016

[4]基于SVM的高粱叶片病斑图像自动分割提取方法研究. 白文斌,白帆,贺文文,王伟仁,程彦俊,刘璋. 2014

[5]可见光光谱和支持向量机的温室黄瓜霜霉病图像分割. 马浚诚,杜克明,郑飞翔,张领先,孙忠富. 2018

[6]基于可见光谱色彩指标Otsu法的水稻冠层图像分割. 黄巧义,张木,黄旭,李苹,付弘婷,张发宝,唐拴虎. 2018

[7]基于参数优化支持向量机的水稻施氮水平分类研究. 周琼,杨红云,杨珺,孙玉婷,杨文姬,石强强. 2017

[8]基于Sentinel-2数据的水稻面积提取方法比较分析. 麦丽素,乌兰吐雅. 2019

[9]基于支持向量机回归预测水稻叶片SPAD值. 孙玉婷,王映龙,杨红云,周琼,杨文姬. 2018

[10]RGB与HSI色彩空间下预测叶绿素相对含量的研究. 孙玉婷,王映龙,杨红云,周琼,孙爱珍,杨文姬. 2018

[11]基于HOG+SVM的田间水稻病害图像识别方法研究. 马超,袁涛,姚鑫锋,籍延宝,李琳一. 2019

[12]基于相似性分析的中低分辨率复合水稻种植面积测量法. 顾晓鹤,韩立建,张锦水,潘耀忠,李乐. 2008

[13]基于图像特征的水稻叶片全氮含量估测模型研究. 杨红云,罗建军,孙爱珍,万颖,易文龙. 2020

[14]基于高光谱和参数优化支持向量机的水稻施氮水平分类研究. 罗建军,杨红云,路艳,万颖,孙爱珍,易文龙. 2020

[15]基于无人机的果园冠层图像采集装置设计. 刘晖,李兆雄,詹杰,杨有泉. 2018

[16]基于可见光光谱扫描的春玉米氮素营养诊断. 隽英华,汪仁,邢月华,宫亮. 2012

[17]基于冠层数码图像的玉米长势和氮素营养状态分析. 周华杰,刘亚东,付金东,隋方功,崔日鲜. 2015

[18]不同拍摄参数对数字图像技术估测马铃薯氮素营养的影响. 魏全全,李飞,芶久兰,张萌,顾小凤,陈龙,柳玲玲. 2023

[19]千金子对水稻生长和产量性状的影响及其防治经济阈值. 周普国,何燕红,杨峻,林荣华,齐文全,李林,欧阳灿彬. 2018

[20]盐胁迫下水稻叶片光合参数对光强的响应. 李海波,陈温福,李全英. 2006

作者其他论文 更多>>

微信小程序