文献类型：期刊文章

作　　者：丁永军[1] 张晶晶[1] LEE Won Suk[2] 李民赞[3]

机构地区：[1]兰州城市学院电子与信息工程学院,兰州730070 [2]佛罗里达大学农业与生物工程系,盖恩斯维尔326110570 [3]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

出　　处：《农业机械学报》

基　　金：国家自然科学基金项目(31360291;31271619);国家留学基金委西部地区人才培养特别项目(201408625069);兰州城市学院博士科研启动基金项目(LZCU-BS2013-07)

年　　份：2017

卷　　号：48

期　　号：9

起止页码：32-37

语　　种：中文

收录情况：BDHX、BDHX2014、CAB、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：在基于机器视觉的作物营养诊断研究中,通常需要采集叶片样本并在实验室条件下定量测定其营养素含量,但由于叶片间相互重叠,往往使得叶片样本不能清晰地反映在群体番茄冠层图像中。为了解决这一问题,需要利用图像分析技术有效提取作物冠层图像中的叶片,并根据处理结果采集实验室测定样本。本文从复杂背景剔除、梯度图计算、小波变换、标记选取、分水岭分割等环节出发,实现了基于小波变换与分水岭算法融合的番茄冠层多光谱图像叶片分割。首先对比了4种复杂背景剔除算法,发现当增强因子a=1.3时,基于归一化植被指数(Normalized difference vegetation index,NDVI)的阈值分割目标提取准确,适合各种光照条件,时空复杂度低。其次在梯度图计算方面,近红外(Near infrared,NIR)波段图像形态学梯度在保持目标边缘的同时,能消除大量由叶脉、光照等引起的叶片内纹理细节。然后以小波分析为基础进行标记选取,发现当选取db4小波函数、4层小波分解低频系数、阈值为18的H-maxima变换能得到最优的目标标记结果。最后对多光谱番茄冠层图像的小波变换分水岭分割和数学形态学分水岭分割结果进行叠加,发现对复杂背景及不同光照强度下的番茄冠层叶片平均误分率为21%,为基于多光谱图像分析的番茄叶片营养素含量检测提供了一定的技术支持。

关 键 词：图像分割 番茄叶片 小波变换 标记分水岭  

分 类 号：TP751] S24]