[发明专利]基于图像抽象的自适应Mean-Shift立木图像分割方法

说明书

本发明公开了一种基于图像抽象的自适应Mean‑Shift立木图像分割方法，包括如下步骤：步骤一,对采集的立木图像进行多角度图像抽象,采用双边滤波法进行平滑处理，采用图像金字塔方法作进一步平滑模糊；步骤二,将步骤一抽象的立木图像的位置特征采用步长探测法获得自适应空域带宽h_s、颜色特征采用插入规则法获得值域带宽h_r，结合高斯核函数自适应Mean‑Shift聚类，得到立木聚类图像；采用FloodFill方法填充，并过滤噪声提取感兴趣区且进行数学形态学处理，得到立木分割图像。本发明的分割方法，能够减少立木图像背景信息和冠层间隙对聚类的影响，使立木图像聚类更为完整、平滑，大大提高了立木图像分割精度。

技术领域

本发明涉及树木图像分割方法，尤其是一种基于图像抽象的自适应Mean-Shift立木图像分割方法。

背景技术

基于机器视觉的数字图像处理被广泛应用于农林业，如农产品无损检测^[4]，果实分割^[5]，植物病害^[6]，林分蓄积估算^[7]，测树因子提取^[8]等。图像分割是图像分析识别的关键，而立木图像分割结果可为立木可视化重建、深度信息提取、立木胸径树高测量等^[9-10]提供易于理解和分析的图像信息。

现有技术中，立木图像分割有多种方法。如姜士辉等^[11]人仅利用彩色立木图像的颜色特征进行立木分割，没有考虑到自然环境下采集的立木图像背景中存在与立木颜色相近的特征点；葛玉峰等^[12]人根据立木图像相对色彩因子人为选择阈值进行分割，采集的图像背景简单且缺乏普适性。单一的从立木图像灰度出发制约了图像分割方法的准确性。赵茂程等^[13]人提出用颜色与分形维数相结合的立木分割方法，该文将图像颜色、强度和边界信息等特征组合进行区域生长得到分割图像，但未考虑立木冠层本身存在空洞现象所造成的分割影响。蔡世捷等^[14]人将RGB和HSV色彩空间和立木图像纹理特征结合，通过计算过绿特征灰度图像的局部分形盒维数，生成分形灰度图像，再利用阈值法实现立木图像分割，但此方法过分依赖立木的过绿特征。黄健等^[15]人通过训练树干部分的纹理特征得到理想的训练样本，从而达到分割树干的目的，但该法仅考虑纹理信息进行树干分割，易造成误判，且不能应用于其他树种，缺乏适应性。

【参考文献】

[1]王晏,孙怡.自适应Mean Shift算法的彩色图像平滑与分割算法[J].自动化学报,2010,36(12):1637-1644.

[2]周家香,朱建军,赵群河.集成改进Mean Shift和区域合并两种算法的图像分割[J].测绘科学,2012,37(6):98-100.

[3]Comaniciu,Dorin,Meer,Peter.Mean shift:A robust approach towardfeature space analysis[J].IEEE Trans.Pattern Analysis and MachineIntelligence,2002,24(5):603-619.

[4]周水琴,应义斌,商德胜.基于形态学的香梨褐变核磁共振成像无损检测[J].浙江大学学报(工学版),2012,46(12):2141-2145.

[5]王玉德,张学志.复杂背景下甜瓜果实分割算法[J].农业工程学报,2014,30(2):176-181.

[6]周强强,王志成,赵卫东,等.基于水平集和视觉显著性的植物病害叶片图像分割[J].同济大学学报(自然科学版),2015,43(9):1406-1413.