基于图像抽象的自适应Mean-Shift立木图像分割方法技术

本发明专利技术公开了一种基于图像抽象的自适应Mean‑Shift立木图像分割方法，包括如下步骤：步骤一,对采集的立木图像进行多角度图像抽象,采用双边滤波法进行平滑处理，采用图像金字塔方法作进一步平滑模糊；步骤二,将步骤一抽象的立木图像的位置特征采用步长探测法获得自适应空域带宽h

【技术实现步骤摘要】
基于图像抽象的自适应Mean-Shift立木图像分割方法
本专利技术涉及树木图像分割方法，尤其是一种基于图像抽象的自适应Mean-Shift立木图像分割方法。
技术介绍
基于机器视觉的数字图像处理被广泛应用于农林业，如农产品无损检测[4]，果实分割[5]，植物病害[6]，林分蓄积估算[7]，测树因子提取[8]等。图像分割是图像分析识别的关键，而立木图像分割结果可为立木可视化重建、深度信息提取、立木胸径树高测量等[9-10]提供易于理解和分析的图像信息。现有技术中，立木图像分割有多种方法。如姜士辉等[11]人仅利用彩色立木图像的颜色特征进行立木分割，没有考虑到自然环境下采集的立木图像背景中存在与立木颜色相近的特征点；葛玉峰等[12]人根据立木图像相对色彩因子人为选择阈值进行分割，采集的图像背景简单且缺乏普适性。单一的从立木图像灰度出发制约了图像分割方法的准确性。赵茂程等[13]人提出用颜色与分形维数相结合的立木分割方法，该文将图像颜色、强度和边界信息等特征组合进行区域生长得到分割图像，但未考虑立木冠层本身存在空洞现象所造成的分割影响。蔡世捷等[14]人将RGB和HSV色彩空间和立木图像纹理特征结合，通过计算过绿特征灰度图像的局部分形盒维数，生成分形灰度图像，再利用阈值法实现立木图像分割，但此方法过分依赖立木的过绿特征。黄健等[15]人通过训练树干部分的纹理特征得到理想的训练样本，从而达到分割树干的目的，但该法仅考虑纹理信息进行树干分割，易造成误判，且不能应用于其他树种，缺乏适应性。【参考文献】[1]王晏,孙怡.自适应MeanShift算法的彩色图像平滑与分割算法[J].自动化学报,2010,36(12):1637-1644.[2]周家香,朱建军,赵群河.集成改进MeanShift和区域合并两种算法的图像分割[J].测绘科学,2012,37(6):98-100.[3]Comaniciu,Dorin,Meer,Peter.Meanshift:Arobustapproachtowardfeaturespaceanalysis[J].IEEETrans.PatternAnalysisandMachineIntelligence,2002,24(5):603-619.[4]周水琴,应义斌,商德胜.基于形态学的香梨褐变核磁共振成像无损检测[J].浙江大学学报(工学版),2012,46(12):2141-2145.[5]王玉德,张学志.复杂背景下甜瓜果实分割算法[J].农业工程学报,2014,30(2):176-181.[6]周强强,王志成,赵卫东,等.基于水平集和视觉显著性的植物病害叶片图像分割[J].同济大学学报(自然科学版),2015,43(9):1406-1413.[7]谢士琴,赵天忠,王威,等.结合影像纹理、光谱与地形特征的森林结构参数反演[J].农业机械学报,2017,48(4):125-134.[8]张凝,张晓丽,叶栗.基于改进爬峰法高分辨率遥感影像分割的树冠提取[J].农业机械学报,2014,45(12):294-300.[9]吴鑫,王桂英,丛杨.基于颜色和深度信息融合的目标识别方法[J].农业工程学报,2013,29(1):96-100.[10]王建利,李婷,王典,等.基于光学三角形法与图像处理的立木胸径测量方法[J].农业机械学报,2013,44(7):241-245.[11]姜士辉.基于Android系统的立木图像分割方法研究[D].东北林业大学,2015.[12]葛玉峰,周宏平,郑加强,等.基于相对色彩因子的树木图像分割算法[J].南京林业大学学报(自然科学版),2004,28(4):19-22.[13]赵茂程,郑加强,林小静,等.基于分形理论的树木图像分割方法[J].农业机械学报,2004,35(2):72-75.[14]蔡世捷.基于Matlab的树木图像分割方法研究[D].南京林业大学,2005.[15]黄健,黄习培,李金铭.基于BP神经网络和纹理特征的马尾松图像分割方法[J].福建农林大学学报(自然版),2009,38(6):649-652.
技术实现思路
本专利技术的目的是提供一种基于图像抽象的自适应Mean-Shift立木图像分割方法，能够减少立木图像背景信息和冠层间隙对聚类的影响，使立木图像聚类更为完整、平滑，大大提高了立木图像分割精度。为实现上述目的，本专利技术采用如下技术方案：一种基于图像抽象的自适应Mean-Shift立木图像分割方法，其特征在于包括如下步骤：步骤一：对自然环境下采集的立木图像进行多角度图像抽象A：采用双边滤波法对从自然环境下采集的立木图像进行平滑处理，以减少背景噪声影响；B：采用图像金字塔方法对经步骤A平滑处理的立木图像作进一步平滑模糊Ba：进行图像下采样，即对立木图像利用高斯内核卷积进行高斯平滑处理，删除所有偶数行和偶数列；Bb：首先在下采样图像的偶数行和列以0填充，再使用同样的高斯卷积内核与放大后的图像进行卷积，估计“丢失”像素的近似值，对下采样图像进行向上重建恢复分辨率大小，以进一步抽象立木图像；步骤二：立木图像聚类分割C：将步骤一抽象的立木图像的位置特征采用步长探测法获得自适应空域带宽hs，将步骤一抽象的立木图像的颜色特征采用插入规则法获得值域带宽hr，结合高斯核函数自适应Mean-Shift聚类，得到立木聚类图像；D：对立木聚类图像，采用FloodFill方法填充，并过滤噪声提取感兴趣区；E：对感兴趣区域进行数学形态学处理，得到最终的立木分割图像。步骤A所述的图像双边滤波处理，是指在图像空间进行保边降噪；步骤Ba所述图像下采样，是指进行低通滤波后再进行隔行隔列采样得到图像，当前层大小为上一层图像的1/4。所述空间带宽hs选用王晏等[1]人的方法，首先给定一个空域带宽的初始值h0，然后以步长step逐渐增大空域带宽，设定h0，step，则hi＝hi-1+step，当满足停止条件Σσj<ni(j＝1,2,...,ni)时，对应的带宽即为所求的空域带宽hs，其中,采样点颜色与被平滑点颜色相似的条件为|hj-h0|≤a，hj为采样点颜色的H分量值,h0为被平滑点颜色的H分量值,σj为符号函数,满足条件|hj-h0|≤a时,σj＝1，反之，σj＝0。所述颜色带宽hr采用插入规则法[2]来获得自适应颜色带宽，其公式如式(4)：式中：d为特征空间的维数，n为数据量，σj为标准差，μt(t＝1,2,...,n)为图像各像素点的颜色指数值，μ为其平均值。所述核函数采用Gauss核函数，定义如式(5)：则自适应Mean-Shift平移向量[3]如式(6)：式(5)-(6)中：xs,xr分别为像素的位置特征，颜色特征；C是归一化指数；分别是x临近采样点的位置和颜色特征向量；hs、hr分别是位置、颜色带宽；通过控制核函数的hs、hr这2个带宽参数，以控制核的大小，进而控制图像平滑的分辨率。与现有技术相比本专利技术的有益效果是：上述技术方案，结合自然环境下立木树冠存在的枝叶空隙、图像中目标立木周围背景复杂等特点进行图像抽象，能够减少冠层间隙对聚类的影响，使立木图像聚类更为完整、平滑，然后根据位置、颜色等多维特征获得自适应空域带宽、值域带宽，结合Gauss核函数进行M本文档来自技高网...

【技术保护点】
1.一种基于图像抽象的自适应Mean‑Shift立木图像分割方法，其特征在于包括如下步骤：步骤一：对自然环境下采集的立木图像进行多角度图像抽象A：采用双边滤波法对从自然环境下采集的立木图像进行平滑处理，以减少背景噪声影响；B：采用图像金字塔方法对经步骤A平滑处理的立木图像作进一步平滑模糊Ba：进行图像下采样，即对立木图像利用高斯内核卷积进行高斯平滑处理，删除所有偶数行和偶数列；Bb：首先在下采样图像的偶数行和列以0填充，再使用同样的高斯卷积内核与放大后的图像进行卷积，估计“丢失”像素的近似值，对下采样图像进行向上重建恢复分辨率大小，以进一步抽象立木图像；步骤二：立木图像聚类分割C：将步骤一抽象的立木图像的位置特征采用步长探测法获得自适应空域带宽hs，将步骤一抽象的立木图像的颜色特征采用插入规则法获得值域带宽hr，结合高斯核函数自适应Mean‑Shift聚类，得到立木聚类图像；D：对立木聚类图像，采用FloodFill方法填充，并过滤噪声提取感兴趣区；E：对感兴趣区域进行数学形态学处理，得到最终的立木分割图像。

【技术特征摘要】
1.一种基于图像抽象的自适应Mean-Shift立木图像分割方法，其特征在于包括如下步骤：步骤一：对自然环境下采集的立木图像进行多角度图像抽象A：采用双边滤波法对从自然环境下采集的立木图像进行平滑处理，以减少背景噪声影响；B：采用图像金字塔方法对经步骤A平滑处理的立木图像作进一步平滑模糊Ba：进行图像下采样，即对立木图像利用高斯内核卷积进行高斯平滑处理，删除所有偶数行和偶数列；Bb：首先在下采样图像的偶数行和列以0填充，再使用同样的高斯卷积内核与放大后的图像进行卷积，估计“丢失”像素的近似值，对下采样图像进行向上重建恢复分辨率大小，以进一步抽象立木图像；步骤二：立木图像聚类分割C：将步骤一抽象的立木图像的位置特征采用步长探测法获得自适应空域带宽hs，将步骤一抽象的立木图像的颜色特征采用插入规则法获得值域带宽hr，结合高斯核函数自适应Mean-Shift聚类，得到立木聚类图像；D：对立木聚类图像，采用FloodFill方法填充，并过滤噪声提取感兴趣区；E：对感兴趣区域进行数学形态学处理，得到最终的立木分割图像。2.根据权利要求1所述的基于图像抽象的自适应Mean-Shift立木图像分割方法，其特征在于：步骤A所述的图像双边滤波处理，是指在图像空间进行保边降噪；步骤Ba所述图像下采样，是指进行低通滤波后再进行隔行隔列采样得到图像，当前层大小为上一层图像的1/4。3.根据权利要求1或2所述的基于图像抽象的自适应Mean...

【专利技术属性】
技术研发人员：徐爱俊，杨婷婷，周素茵，
申请(专利权)人：浙江农林大学，
类型：发明
国别省市：浙江,33