[发明专利]基于自适应阈值分割算法的农料均匀性检测方法及系统

说明书

本发明公开了一种基于自适应阈值分割算法的农料均匀性检测方法及系统，其中，方法包括对原始图片进行图像分割得到二值化图像；根据所述二值化图像判断物料均匀性是否满足预设要求；其中，所述对原始图片进行图像分割得到二值化图像的过程是在Bradley算法基础上进行改进，使邻域窗口尺寸与原始图片的尺寸相关，修正系数与根据邻域窗口尺寸确立的像素平均值以及图像自身的最大像素差值相关，因此，邻域窗口尺寸与修正系数这两项阈值可根据图像的自身信息自适应调节，如此可取得较好的分割效果。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于自适应阈值分割算法的农料均匀性检测方法及系统。

背景技术

在农业领域，经常需要将各类农业物料均匀抛撒到田地中，最典型的农业物料是收获后产生的秸秆，本发明主要以秸秆为例进行说明。

为了避免焚烧秸秆导致大气污染，需要将秸秆进行还田，为了实现高质机播和碎秸覆盖播后地表一体化作业，起到较好的保温保墒、封闭杂草效果，有必要实现覆秸均匀性的准确检测。近年来，随着图像识别技术和智能化设备广泛推广，计算机视觉和图像处理技术受到广泛关注，特别是应用在农业方面。在迅速发展的计算机处理器基础上，采用先进的图像处理方法不仅节省人力物力，而且显著提高工作效率。

当前，很多图像分割算法比较成熟，但是这些分割算法一般用于特定图像(如扫描的图像、特定打光条件下获取的图像或相同规格的图像)的分割，对于农业领域来说，由于农田环境的复杂性，采集图像的装置获取的田间图像质量往往区别较大，主要体现在光照不均匀、图像规格(尺寸、分辨率)不统一等，这种条件下，现有的图像分割算法难以取得较好的分割效果。

现有技术中，比较成熟的图像分割算法有Otsu最佳全局阈值法以及Bradley自适应积分阈值算法。

其中，Otsu最佳全局阈值法能够自适应的锁定最佳分割阈值，对于目标与背景有较强对比的图像能够分割出较好的二值化效果，然而对于光照不均匀的图像分割效果较差，如图1所示为示例原始图片，图2为采用Otsu最佳全局阈值法分割后的图片，可见，该算法对于图中阴影区域与较亮区域的分割效果都较差。

Bradley自适应积分阈值算法的原理如下：Bradley算法基于Bradley积分图原理为计算图片的多个重叠矩形区像素值集合，即图像的左上角像素点(0，0)和右下角像素点(x，y)之间的矩形窗口像素值总和，最后得到积分图每个位置的数值：I(x，y)＝f(x，y)+I(x-1，y)+I(x，y-1)-I(x-1，y-1)；其中f(x，y)表示图像中(x，y)坐标处的像素值。

在获得积分图后，任意矩形窗口的像素值总和可以表示为：

其中，(x₁，y₁)和(x₂，y₂)分别代表矩形窗口的左上角和右下角坐标。

Bradley自适应阈值分割算法以图像中的每个像素点为中心，取s×s的邻域矩形窗口并计算此范围内的像素均值a(x，y)，由下式求得局部阈值T_loc：

最后，根据下式进行图像分割：其中，F(x，y)为二值化值；

上式中，c为修正系数，T_loc为像素点(x，y)的分割阈值，a(x，y)为以坐标(x，y)为中心的邻域窗口内像素平均值，f(x，y)表示图像中坐标(x，y)处的像素值。