基于改进SLIC的光照干扰下茶树冠层图像分割

作     者：刘连忠 李孟杰 宁井铭 LIU Lian-zhong;LI Meng-jie;NING Jing-ming

作者机构：安徽农业大学信息与计算机学院安徽合肥230036 茶树生物学与资源利用国家重点实验室安徽合肥230036 

出 版 物：《江苏农业学报》 (Jiangsu Journal of Agricultural Sciences)

年 卷 期：2020年第36卷第4期

页      面：1022-1027页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 

基　　金：安徽省高校自然科学研究重点项目(KJ2017A151) 茶树生物学与资源利用国家重点实验室开放基金项目(SKLTOF20160202) 安徽高校自然科学研究重大项目(KJ2019ZD20) 国家重点研发计划项目(2016YFD0200900) 

主　　题：农作物图像 图像分割 超像素 图像分类 特征参数 

摘      要：针对自然环境下获取农作物图像时极易受到光照干扰的问题,提出一种改进的简单线性迭代聚类(SLIC)方法,以[L^*,R,G-S,x,y]作为聚类向量对茶树冠层图像进行超像素分割,提取超像素块的R、G、B、H、S、V、L^*、a^*、b^*、熵、能量、对比度、逆差矩等13个图像特征参数;将超像素块分为正常区域、反光区域、背景3类,分别选择线性、多项式和RBF核函数的SVM进行分类,得到仅包含正常区域的茶树冠层图像,进而提取正常区域的图像特征参数。试验结果表明,在光照变化情况下,改进的SLIC与RBF-SVM结合得到的图像特征最为稳定。