基于小波变换及 Otsu 分割的农田作物行提取

BeardRen

摘 要：基于机器视觉的田间车辆自动导航是农用车辆导航的热门研究方向，但含较密集杂草的农田作物行提取，
目前依然是个难题。该文提出一种适用于密集杂草农田的，主要基于频率和颜色信息的农田图像分割算法。通过小
波多分辨率分解后构建的频率总量指标，利用作物产生主频信息的总量优势，结合作物行的交替及最大类间方差法、
3 {. O4 h8 `( v, G. a- O6 [颜色模型分量变换，实现农田杂草的去除，并通过最小二乘法拟合直线，实现农田作物行提取。实验表明算法能有
效克服密集杂草干扰，针对 480× 640像素大小图像，单幅处理时间平均为 132 ms。
2 S' Q- y  v. i4 T+ v关键词：田间导航；作物行；小波变换；最大类间方差
' `! U6 P& W5 O4 P1 引言
田间车辆自动导航、辅助导航能有效降低农民
工作强度，提高农业生产效率，减少农药中毒、皮

0 i1 E, l+ L8 _4 G肤晒伤等农业事故的发生，并能促进精细农业发展，
从而得到广泛研究。相比卫星等导航方式[1]，基于机
: }* ^; h" u- \6 r器视觉[2 4]的田间车辆自动导航、辅助导航，获得
& A  D) ]3 z: ]2 q6 W( d9 H信息量丰富、使用灵活、体积小、能耗低，被广泛
: b+ U7 K- O; h/ T  r( P1 X" _采用。
8 m! \* p6 c) F: s作物行提取是基于机器视觉的田间导航实现的
关键步骤，而杂草一直是作物行提取中难于去除的
干扰，目前主要有两大类解决方法：一类，在作物
; Z- p! n( j+ L8 W0 L6 V3 v. h行提取时去除杂草；一类，在作物行提取前去除杂
草。
4 Z0 |: p; n3 h: I* _0 Q9 q- u; E第 1 类通过作物行提取算法，利用杂草分布的
( t0 `1 i/ u, z+ r/ k9 |' H* Y随机性，去除杂草干扰。如采用正、余弦模版匹配
9 ]1 q8 g: e6 r. S; H* k( {; ~的方法[5]，认为农田图像中，作物行间像素值分布和
正余弦负半波匹配，但当杂草较密集时这种匹配将
被打破。还有些研究者利用直线提取算法的统计特
性抗杂草干扰，其中 Hough 变换算法应用最为广泛。
$ G1 Z1 {6 Y0 I: O1 C! D6 _, b
: H$ @* ]2 ]- v' w9 t
  L: B/ K% Y( M/ ?" A

( o: O; \3 [8 A+ P, j/ b. m6 M
附件下载:

游客，如果您要查看本帖隐藏内容请回复

* x4 F. g8 t+ ?1 h! {) ]
% Y! `" G- K; Y3 @+ @) A
7 Q3 Y* U3 {" e# X8 N7 f: {  `
1 P, r2 m2 m4 _

nolita

下载来学学