[发明专利]基于自适应密度峰值聚类的紫色土图像分割提取方法

说明书

本发明提供一种基于自适应密度峰值聚类的紫色土图像分割提取方法，所述方法包括以下步骤：S1：对含有紫色土区域的紫色土彩色图像进行可分离性灰度变换，获得灰度图像Ⅰ；S2：利用自适应密度峰值聚类算法对灰度图像Ⅰ进行初步分割，获得初步分割后的二值图像Ⅱ；S3：对二值图像Ⅱ进行边界提取处理，获得紫色土壤区域的边界矩阵；S4：对提取的边界矩阵进行填充，获得二值图像Ⅲ；S5：求出二值图像Ⅲ与所述含有紫色土区域的彩色图像的哈达玛积，得到只包含有紫色土图像的分割图像。本申请可将紫色土区域图像从背景中准确、完整分割出来，且在分割过程实现紫色土的自适应的分割，具有分割速度快、准确、完整的有益技术效果。

技术领域

本发明涉及图像分割提取方法，尤其涉及一种基于自适应密度峰值聚类的紫色土图像分割提取方法。

背景技术

随着人工智能技术的不断发展，其已广泛应用于生产、生活的诸多领域；在人工智能领域的众多分支中，机器视觉得到快速发展，简单说来，机器视觉就是用机器代替人眼来做测量和判断。在农业生产中，土壤的土种及其土属的识别完全依赖于农业专家，众所周知，土壤的识别在农业生产中是非常重要的，因土壤识别对识别人的专业技能要求高，如现有土壤的土种及其土属的识别完全依赖于农业专家，阻碍了土壤识别的普及。但随着现代农业的发展，以及人工智能技术的不断发展，使机器视觉来识别土壤成为可能。机器视觉辨识土壤是对野外自然条件下拍摄的具有复杂背景的土壤图像进行识别并精准判断土壤所属土种，但野外自然环境下拍摄的紫色土彩色图像一般都包含有农作物、地衣、苔藓、杂草等复杂背景，会对机器视觉识别造成干扰。如何排除背景区域的干扰，精准地从含有土壤区域的彩色图像中提取出土壤区域图像来是机器视觉识别紫色土土种的基础工作，同时也是目前亟待解决的技术难点。紫色土是我国西南地区最主要耕地之一，紫色土是机器视觉土壤识别的研究重点。

因此，亟需一种能快速、准确地将紫色土土壤区域图像从含有紫色土区域的彩色图像中分割提取的方法。

发明内容

有鉴于此，本发明提供一种基于自适应密度峰值聚类的紫色土图像分割提取方法。

本发明提供一种基于自适应密度峰值聚类的紫色土图像分割提取方法，其特征在于：包括以下步骤：

S1：对含有紫色土区域的紫色土彩色图像进行可分离性灰度变换，获得灰度图像Ⅰ；

S2：利用自适应密度峰值聚类算法对灰度图像Ⅰ进行初步分割，获得初步分割后的二值图像Ⅱ；

S3：对二值图像Ⅱ进行边界提取处理，获得紫色土壤区域的边界矩阵；

S4：对提取的边界矩阵进行填充，获得二值图像Ⅲ；

S5：求出二值图像Ⅲ与所述含有紫色土区域的彩色图像的哈达玛积，得到只包含有紫色土图像的分割图像。

进一步，所述步骤S1包括：

S101：将表征含有紫色土区域的紫色土彩色图像的矩阵ImgIn从RGB颜色空间转换到Lab颜色空间，获得矩阵ImgIn'，基于Lab颜色空间计算图像相似度矩阵S_x,y，以及矩阵ImgIn'中点ImgIn＇_x高相似度点集合和低相似度点集合；

S102：在Lab颜色空间中建立灰度变换优化模型，采用离散搜索求解该优化模型，获得灰度矩阵ImgGray，即灰度图像Ⅰ。

进一步，所述步骤S101包括：

S1011：在Lab颜色空间中，获取L、a、b分量的离散二维信息熵，所述L、 a、b分量的离散二维信息熵联立式子(1)至(3)确定，

c＝{L,a,b} (3)