基于图像分块及重构的菠菜重叠叶片与杂草识别

TP391; 针对重叠叶片在识别过程中存在识别率低、形状特征失效等问题,该研究提出一种基于图像分块及重构的方法,实现菠菜重叠叶片杂草识别.采用超绿模型将菠菜RGB图像进行灰度化得到绿色植被前景图像.针对重叠叶片形状特征失效问题,采用图像分块方式得到不同大小的图像块,并提取图像块中作物和杂草的颜色特征、局部二值模式(local binary pattern,LBP)纹理特征、分形盒维数共78维特征,构造支持向量机(support vector machine,SVM)分类器完成图像块的分类识别.该研究提出图像块边缘扩充和投票窗口机制得到重构图实现图像块分类结果可视化.试验结果表明,该研究提出的方...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 36; no. 4; pp. 178 - 184
Main Authors 苗荣慧, 杨华, 武锦龙, 刘昊宇
Format Journal Article
LanguageChinese
Published 山西农业大学信息科学与工程学院,太谷,030801%山西农业大学农学院,太谷,030801 15.02.2020
Subjects
颜色特征
LBP纹理特征
图像重构
图像分块
重叠叶片杂草识别
分形盒维数
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2020.04.021

Cover

More Information
Summary:TP391; 针对重叠叶片在识别过程中存在识别率低、形状特征失效等问题,该研究提出一种基于图像分块及重构的方法,实现菠菜重叠叶片杂草识别.采用超绿模型将菠菜RGB图像进行灰度化得到绿色植被前景图像.针对重叠叶片形状特征失效问题,采用图像分块方式得到不同大小的图像块,并提取图像块中作物和杂草的颜色特征、局部二值模式(local binary pattern,LBP)纹理特征、分形盒维数共78维特征,构造支持向量机(support vector machine,SVM)分类器完成图像块的分类识别.该研究提出图像块边缘扩充和投票窗口机制得到重构图实现图像块分类结果可视化.试验结果表明,该研究提出的方法平均识别率达到83.78％,高于K最近邻法(K-Nearest neighbor,KNN)、决策树法等,可以实现重叠叶片的杂草识别,从而为智能除草机的研制提供理论依据.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2020.04.021