一种基于多特征指数的玉米雄穗图像双阈值分割方法技术

本发明专利技术公开了一种基于多特征指数的玉米雄穗图像双阈值分割方法，涉及玉米雄穗图像双阈值分割技术领域，该玉米雄穗图像双阈值分割方法具体步骤如下：通过特征算子G

【技术实现步骤摘要】
一种基于多特征指数的玉米雄穗图像双阈值分割方法


[0001]本专利技术涉及玉米雄穗图像双阈值分割
，尤其涉及一种基于多特征指数的玉米雄穗图像双阈值分割方法。

技术介绍

[0002]玉米是世界三大谷类作物之一，其稳定的生产成为粮食安全的关键任务，随着现代农业的发展，自动化技术广泛应用于玉米农田作业中，而农业机械导航是现代农业自动化技术中的重要组成部分，农业车辆的田间导航前期工作主要依托于作物自动分割方法。
[0003]目前，作物自动分割方法可以被分为四类。第一类是基于颜色指数的分割算法，例如超绿算法(ExG)和植被指数颜色提取算法(CIVE)；第二类是基于学习模型的方法，包括环境适应分割算法和均值漂移分割算法，提出一种新的决策树模型学习方法用于解决阴影和光照反射区域问题；第三类是基于颜色模型的方法，提出了一种AP
–
HI的颜色分割模型，模型通过高斯分布拟合特定强度值的绿色作物的色度值以达到对光照的鲁棒性，在RGB颜色空间中利用线性颜色模型(LCM)对桃子分割；第四类是基于离散小波变换的方法，通过小波变换实现了空间纹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征指数的玉米雄穗图像双阈值分割方法，其特征在于，该玉米雄穗图像双阈值分割方法具体步骤如下：S1、通过特征算子G
‑
R
‑
B及OTSU双阈值法，分离出土壤和阴影部分，并增强玉米绿色植株和果穗的对比度；S2、通过特征算子R
‑
G及伪彩色处理增强，提取伪彩色图片的B分量，在B通道图像中分离玉米绿色植株和果穗；S3、形态学去除玉米果穗像素聚在一起形成小块和一些孤立噪声像素。2.根据权利要求1所述的一种基于多特征指数的玉米雄穗图像双阈值分割方法，其特征在于，步骤S1中所述特征算子G
‑
R
‑
B用于对原图像进行灰度运算，并开展统计学分析，得到图像像素的三峰特性，对应图像中的土壤阴影、绿色叶片、玉米雄穗。3.根据权利要求1所述的一种基于多特征指数的玉米雄穗图像双阈值分割方法，其特征在于，步骤S1中通过所述OTSU双阈值法使类间方差二元函数为单峰函数，具体为：设图像的灰度值范围为[0,m]，灰度值为i的像素数为k
i
，总像素数如公式1：各灰度值出现的概率P
i
如公式2：图像的灰度平均值u如公式3：从随机选取的阈值T1与T2开始，所有等于或小于T1值的像素都属于类C0，大于T1以及小于等于T2的像素都属于类C1，大于T2的像素都属于类C2；假设w0，w1，w2分别为C0，C1，C2出现的概率，u0，u1，u0分别为C0，C1，C2的灰度平均值，如公式4与公式5：式4与公式5：OTSU双阈值公式6如下：平均方差代替OTSU中的均值，如公式7：
遍历所有阈值(T1,T2)，当g(T1,T2)值最大时，对应的(T1,T2)即为最佳双阈值，阈值(T1,T2)将灰度直方图划分为三部分，阈值T1左侧属于像素类C0，像素类C0包含土壤和玉米行间完全阴影部分，以及叶片半阴影部分；阈值T1与T2之间属于像素类C1，包含玉米雄穗部分；阈值T2右侧属于像素类C2，...

【专利技术属性】
技术研发人员：张锦程，白天一，刘雨杰，陈牧遥，张绍琳，杨洋，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：