[发明专利]一种基于信息熵梯度简化PCNN模型的夜间室外番茄植株图像分割算法

说明书

本发明公开了一种基于信息熵梯度简化PCNN模型的夜间室外番茄植株图像分割算法，在计算归一化色差C_n后，使用简化PCNN模型对归一化色差灰度图进行图像分割迭代；计算图像分割结果Y(n)的信息熵s(n)；当s(n)变小或迭代次数n已达最大迭代次数M时，停止迭代；求最大信息熵s(max)及对应的max；计算s(max)与s(max‑1)的差值，即信息熵梯度Δs；判断Δs是否大于阈值T_s，若是，则以第max+1次迭代获得的Y(max+1)为图像分割结果F，否则，以Y(max)为图像分割结果F；对F进行去噪处理。本发明采用信息熵梯度作为最佳图像分割结果评价准则，使用简化PCNN模型，克服了夜间主动照明条件下光照不均匀，存在阴影、高光区等对夜间室外番茄植株图像分割的影响，实现了夜间室外番茄植株图像分割。

技术领域

本发明涉及一种图像处理方法，尤其是涉及一种基于信息熵梯度简化PCNN模型的夜间室外番茄植株图像分割算法。

背景技术

番茄生产机器人是实现番茄生产自动化的一种解决方案，基于机器视觉的番茄植株组成器官(包括茎、叶、番茄等)识别是番茄生产机器人获取番茄植株组成器官大小及位置等信息(用于番茄生产机器人进行自动疏果、疏叶、对靶喷施、采摘、避障、导航等)的一种手段。实现番茄植株图像分割是实现番茄植株组成器官识别的前提。为延长番茄生产机器人的工作时间，提高番茄生产机器人的利用率和工作效率，实现番茄生产机器人在夜间环境下的自动化作业非常有必要，而实现夜间室外番茄植株图像分割是实现番茄生产机器人在夜间作业时自动获取番茄植株组成器官大小及位置等信息的前提。

夜间主动照明条件下采集的室外番茄植株图像存在如下特点：不同图像采集距离下，光照条件存在较大差异，对应所采集图像的亮度存在较大差异；同一图像中，亮度不均匀，光源分布中心对应区域较其他区域明显偏亮；茎秆、叶、果实面向光源一侧存在高光区。这些特点对夜间番茄植株图像分割造成了较大的困难。

在果蔬生产机器人视觉系统研究领域，已有较多的日间自然光照条件下采集的绿色农作物图像分割算法。由于日间和夜间，光照条件存在较大差异，因此日间采集的绿色农作物图像呈现出与夜间采集的番茄植株图像不同的特点。日间自然光照条件下，由于光照变化剧烈，不同光照条件下采集的图像，亮度差异较大，图像分割时体现为图像分割阈值差异较大；光照不均匀，导致图像上不同位置的绿色农作物区域亮度不同；背景复杂。日间自然光照条件下和夜间主动照明条件下采集的果蔬植株图像差异较大，导致图像分割算法同样存在较大差异。因此，用于日间自然光照条件下采集的绿色农作物图像的图像分割算法不能直接用于夜间主动照明条件下采集的番茄植株图像的图像分割。

当前，现有的夜间果蔬生产机器人视觉系统图像分割算法主要是夜间果实图像分割算法，另有少数的夜间主动照明条件下的枝叶异色的果树图像分割算法。番茄植株与果蔬树干、树枝及果实光学特性不同，且在颜色、大小等方面存在差异，因此，当前现有的夜间果实及枝叶异色果树图像分割算法不能直接用于夜间枝叶近色的番茄植株图像分割。