[发明专利]一种基于室外多变光照条件下农田绿色作物快速分割方法

说明书

本发明公开了一种基于室外多变光照条件下农田绿色作物快速分割方法，包括如下步骤：步骤1：采用加权法提取GR分量特征对彩色图像进行灰度化，消除光照变化及土壤背景环境对绿色作物信息提取的干扰；步骤2：采用中值滤波法对灰度图像进行去噪预处理，减少噪声点对图像后续分割精度的影响；步骤3：采用Otsu算法进行自动阈值分割，得到初步二值图像；步骤4：对二值图像进行膨胀腐蚀后续处理，求取8连通区域，利用面积阈值法过滤假目标。本发明不仅对作物、土壤和光照变化不敏感，而且可以消除图像阴影部分的影响，与颜色索引方法EXG‑Otsu和RGB算法(G＞R and G＞B)相比，本文算法分割效果更为理想。

技术领域

本发明涉及图像处理领域，具体涉及一种基于室外多变光照条件下农田绿色作物快速分割方法。

背景技术

基于机器视觉技术的农业自动导航系统在进行作业时，首先需要对采集到的田间图像进行目标与背景的分割，提取图像中的关键信息进而完成路径导航、农作物及杂草识别等过程。因此，在农田室外自然环境下，如何实现绿色作物与土壤背景的快速精准分割是实现农业机器视觉技术的关键前提。

颜色是人眼识别物体的重要特征之一，通常情况下，农田作物均呈绿色，而农田土壤颜色呈黄褐色或黑色等，并且对光照变化不敏感，计算简单，更符合实时操作的要求。因此，利用作物与土壤背景的颜色特征来进行农田图像分割是目前比较广泛的方法之一。其中被广泛采用的颜色指数包括ExG、ExR、CIVE、EXG-EXR等。此外，利用G和R分量的NDI指标也被广泛应用。在图像分割算法中，主要有阈值分割算法、聚类分割算法和边缘分割算法。张志斌等指出RGB颜色空间中作物存在绿色“恒量”的特征，认为作物的颜色特征为G＞R并且G＞B，提出了一种基于作物绿色特征提取垄行的分割方法。该算法是一种简单有效的绿色作物分割方法，对作物和土壤、光照变化不敏感，但对于阴影部分分割不是很理想；张春龙采用 G-R＞Tr且G-B＞Tb的方法进行田间背景图像分割。该方法存在的不足是需要根据不同光照情况手动调节阈值Tr和Tb，难以满足对光照变化的鲁棒性和稳定性要求。

发明内容

为解决上述问题，本发明提供了一种基于绿色作物GR颜色特征，结合Otsu和面积阈值分割的农田绿色作物图像分割方法，不仅可以消除图像阴影及部分绿色杂草的影响，而且计算简单，具有较好的鲁棒性和稳定性。

为实现上述目的，本发明采取的技术方案为：

一种基于室外多变光照条件下农田绿色作物快速分割方法，包括如下步骤：

步骤1：采用加权法提取GR分量特征对彩色图像进行灰度化，消除光照变化及土壤背景环境对绿色作物信息提取的干扰；

步骤2：采用中值滤波法对灰度图像进行去噪预处理，减少噪声点对图像后续分割精度的影响；

步骤3：采用Otsu算法进行自动阈值分割，得到初步二值图像。

步骤4：对二值图像进行膨胀腐蚀后续处理，求取8连通区域，利用面积阈值法过滤绿色小面积杂草等假目标。

进一步地，所述步骤1中根据农田绿色作物在室外光照条件变化情况下的颜色特征，采用加权法灰度化图像，计算公式如下：

Gray(x，y)＝W₁R(x，y)+W₂G(x，y)+W₃B(x，y) (1)

式(1)中，Gray(x，y)表示像素点(x，y)的灰度值；W₁、W₂、W₃为各分量系数；文中取W₁＝-1， W₂＝1，W₃＝0；即为：