基于剪切波变换和无人机麦田图像的区域杂草识别方法

区域杂草的识别有利于植保作业中的除草剂精准喷施.现有图像处理技术主要针对行间和株间杂草,而传统的图像采集与分析设备对苗期麦田杂草的识别存在一定局限性,难以满足非人工的区域性喷洒农药等作业需求.由于麦田区域中的麦苗和杂草具有形态和颜色区分度差的特点,传统的图像识别方法难以有效识别.针对此问题,该文提出利用剪切波变换对无人机麦田区域图像中杂草进行识别.该方法利用其自身的方向敏感性以及在纹理识别中的方向无关性,根据麦田区域图像在杂草较多的部分叶片纹理杂乱,反之则纹理相对规则的特点,处理得到不同尺度和不同方向下小麦与杂草的剪切波系数.然后针对小麦和杂草剪切波系数的不同特征,对剪切波系数矩阵进行归一化处...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 33; no. z1; pp. 99 - 106
Main Author 王海华 朱梦婷 李莉 王丽燕 赵海英 梅树立
Format Journal Article
LanguageChinese
Published 中国农业大学信息与电气工程学院,北京 100083%中国农业大学现代精细农业系统集成研究教育部重点实验室,北京,100083%北京邮电大学世纪学院移动媒体与文化计算北京市重点实验室,北京,102613%中国农业大学信息与电气工程学院,北京,100083 2017
中国农业大学现代精细农业系统集成研究教育部重点实验室,北京 100083
Subjects
无人机;图像识别;农作物;区域图像;麦苗;杂草识别;剪切波变换;灰度共生矩阵
麦苗
杂草识别
unmanned aerial vehicle
灰度共生矩阵
剪切波变换
无人机
weed identification
crops
gray co-occurrence matrix
wheat seedling
shearlets transform
农作物
图像识别
image recognition
regional image
区域图像
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2017.z1.015

Cover

More Information
Summary:区域杂草的识别有利于植保作业中的除草剂精准喷施.现有图像处理技术主要针对行间和株间杂草,而传统的图像采集与分析设备对苗期麦田杂草的识别存在一定局限性,难以满足非人工的区域性喷洒农药等作业需求.由于麦田区域中的麦苗和杂草具有形态和颜色区分度差的特点,传统的图像识别方法难以有效识别.针对此问题,该文提出利用剪切波变换对无人机麦田区域图像中杂草进行识别.该方法利用其自身的方向敏感性以及在纹理识别中的方向无关性,根据麦田区域图像在杂草较多的部分叶片纹理杂乱,反之则纹理相对规则的特点,处理得到不同尺度和不同方向下小麦与杂草的剪切波系数.然后针对小麦和杂草剪切波系数的不同特征,对剪切波系数矩阵进行归一化处理,同时对其均值和方差进行了统计分析,得到麦苗和杂草剪切波系数图中竖直锥第二尺度所有系数均值的区分值约为0.07,第二尺度各个方向的均方差均值的区分值约为0.08.通过对含杂草麦苗区域图像以及麦苗区域图像的验证,准确率为69.2%,效果优于传统的灰度共生矩阵方法.此外,该文对无人机拍摄区域图采用分块的方法,实现了对非麦苗区域的有效标识.由此可见,剪切波变换方法能够为基于低空植保无人机喷洒农药中的区域杂草识别提供参考.
Bibliography:11-2047/S
unmanned aerial vehicle;image recognition;crops;regional image;wheat seedling;weed identification;shearlets transform;gray co-occurrence matrix
Weeds is one of the main harmful factors to the yield and quality of wheat and other main crops during seedling stage. Image processing technology is often used in weed recognition, but the method mainly cares about the weeds between different rows, which is always inefficient and wasteful for unmanned aerial vehicle (UAV) and machine spraying ways. In order to overcome the limitations above, this paper proposes a regional weed identification method, which takes advantage of properties of shearlets. Shearlets have attracted much attention in the field of image recognition because of its good sensitivity and fast computation in texture recognition. Meanwhile, it is a multi-scale analysis method with the characteristic of direction independence. Through the comparison of the regional images of the wheat and weed, it shows that the texture of the weed leaves is m
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2017.z1.015