摘 要：為了滿足智能農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航系統(tǒng)的應(yīng)用需求，本文提出了一種基于云模型元胞自動(dòng)機(jī)的農(nóng)田圖像邊緣檢測(cè)方法。該方法采用云模型模糊邏輯對(duì)特征信息進(jìn)行模糊推理，并通過(guò)元胞自動(dòng)機(jī)的自動(dòng)演化過(guò)程得到圖像邊緣。實(shí)驗(yàn)表明，該方法應(yīng)用于農(nóng)田圖像邊緣檢測(cè)中效果較好。

關(guān)鍵詞：農(nóng)田圖像；邊緣檢測(cè)；云模型，元胞自動(dòng)機(jī)

中圖分類號(hào)：TP391.4

隨著計(jì)算機(jī)圖像處理能力和技術(shù)的提高，智能農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航系統(tǒng)的開發(fā)逐漸成為智能農(nóng)業(yè)研究方向之一。智能農(nóng)業(yè)機(jī)械能夠根據(jù)攝像機(jī)獲得的周圍環(huán)境實(shí)時(shí)信息，規(guī)劃合理的運(yùn)動(dòng)路徑。然而為了達(dá)到這一目標(biāo)需要以農(nóng)田景物邊緣檢測(cè)為基礎(chǔ)，所以有必要對(duì)復(fù)雜農(nóng)田景物邊緣檢測(cè)進(jìn)行研究，從而進(jìn)一步為智能農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航系統(tǒng)提供準(zhǔn)確的行走基準(zhǔn)線[1]。

本文將采用基于云模型元胞自動(dòng)機(jī)的邊緣檢測(cè)方法提取農(nóng)田景物邊緣。

1 云模型元胞自動(dòng)機(jī)邊緣檢測(cè)方法

基于云模型元胞自動(dòng)機(jī)的邊緣檢測(cè)方法[2]主要包括云推理以及元胞自動(dòng)機(jī)演化兩個(gè)部分，首先需要采用云推理對(duì)待測(cè)圖像進(jìn)行邊緣檢測(cè)，獲取邊緣點(diǎn)信息，然后根據(jù)元胞自動(dòng)機(jī)演化對(duì)圖像邊緣檢測(cè)結(jié)果進(jìn)行修正，直到得到滿足演化終止條件的圖像邊緣為止。

1.1 云推理圖像邊緣檢測(cè)

云推理邊緣檢測(cè)部分主要包括以下步驟：

首先，計(jì)算待檢測(cè)圖像的方向信息測(cè)度矩陣。假設(shè)當(dāng)前象素點(diǎn)的坐標(biāo)是（i，j），則其象素點(diǎn)的矩陣為I，本文取鄰域N（i，j）為Moore型鄰居，lθ為一條過(guò)中心點(diǎn)且角度是θ的直線，該直線將N（i，j）分為兩部分，即Sθ1和Sθ2，則當(dāng)前像素點(diǎn)的方向信息測(cè)度M（i，j）的表達(dá)式為：

Mij=dθmax-dθmin （1）

其中：dθmax=max（dθ） （2）

dθmin=min（dθ） （3）

dθ=|fsθ1-fsθ2| （4）

（5）

（6）

計(jì)算所得矩陣M（i，j）為圖像矩陣I的方向信息測(cè)度矩陣。

然后，采用方向信息測(cè)度作為云模型推理的輸入變量，該輸入變量對(duì)應(yīng)兩種定性概念：A1={大}，A2={小}。對(duì)于本文這種單輸入的情況，采用一維云來(lái)實(shí)現(xiàn)，對(duì)于不同的系統(tǒng)，云化過(guò)程的設(shè)計(jì)是不同的，這里采用半正態(tài)云模型對(duì)變量進(jìn)行云化。表示“大”的云模型數(shù)字特征為（Ex1，En1，He）、形狀為下半正態(tài)云擴(kuò)展，表示“小”的云模型數(shù)字特征為（Ex2，En2，He）、形狀為上半正態(tài)云擴(kuò)展，如圖1所示。

圖1 方向信息測(cè)度云模型

接著，采用合理的云推理規(guī)則進(jìn)行云推理。該云推理具有一個(gè)輸出，其包括2類定性概念：B1={是邊緣點(diǎn)}，B2={不是邊緣點(diǎn)}。對(duì)當(dāng)前時(shí)刻任意一個(gè)元胞進(jìn)行推理均要求滿足以下云推理規(guī)則：IF A1 THEN B1；IF A2 THEN B2。

最后一步是逆云輸出。假設(shè)云推理結(jié)果為B1，則將μ（隸屬度值）帶入輸出語(yǔ)言值B1的一維Y條件云發(fā)生器CGB1中去，可以生成一個(gè)云滴Drop（y1，μ），多次重復(fù)該過(guò)程，云推理器將產(chǎn)生一個(gè)由大量云滴構(gòu)成的云團(tuán)，最終計(jì)算y1的均值E（y1）作為逆云輸出結(jié)果。

2 云模型元胞自動(dòng)機(jī)演化過(guò)程

云模型元胞自動(dòng)機(jī)演化過(guò)程如下：

首先，將圖像矩陣I與元胞空間對(duì)應(yīng)起來(lái)。

然后，計(jì)算圖像矩陣I的方向信息測(cè)度矩陣M。

接著，利用下面的局部規(guī)則判斷每個(gè)點(diǎn)是否是邊緣點(diǎn)：

（1）將方向信息測(cè)度矩陣M作為輸入進(jìn)行云推理，建立邊緣點(diǎn)矩陣B（bi，j），bi，j為1時(shí)代表對(duì)應(yīng)的點(diǎn)為邊緣點(diǎn)，為0時(shí)表示非邊緣點(diǎn)。

（2）如果bi，j=1。判斷其Moore型鄰居是否符合邊緣結(jié)構(gòu)[2]，如果符合則找到狀態(tài)為1的鄰居元胞位置，找出其次鄰居中具有最大值μ的元胞，使其下一時(shí)刻的方向信息測(cè)度值等于當(dāng)前值與云推理輸出結(jié)果的和。

（3）如果bi，j=0。判斷其Moore型鄰居是否符合邊緣結(jié)構(gòu)，如果符合則在下一時(shí)刻狀態(tài)置為1。

最后，進(jìn)行元胞自動(dòng)機(jī)演化，重復(fù)第三、四步，直到達(dá)到穩(wěn)定狀態(tài)（Bt=Bt+1）。

3 實(shí)驗(yàn)結(jié)果

利用本文算法（He=0.1）對(duì)農(nóng)田實(shí)景圖（如圖2所示）進(jìn)行邊緣檢測(cè)，實(shí)驗(yàn)結(jié)果如圖3所示。由圖可以看出，本文算法所檢測(cè)出的邊緣能夠較準(zhǔn)確地反映農(nóng)田溝道的位置。

圖2 農(nóng)田實(shí)景圖

圖3 邊緣檢測(cè)結(jié)果

4 結(jié)束語(yǔ)

本文介紹了一種基于云模型元胞自動(dòng)機(jī)的農(nóng)田圖像邊緣檢測(cè)方法，首先采用云推理規(guī)則對(duì)待測(cè)農(nóng)田圖像進(jìn)行邊緣檢測(cè)，獲取初始邊緣點(diǎn)信息，然后根據(jù)云模型元胞自動(dòng)機(jī)演化對(duì)初始農(nóng)田圖像邊緣檢測(cè)結(jié)果進(jìn)行修正，循環(huán)往復(fù)直到得到滿足演化終止條件的農(nóng)田圖像邊緣為止，最后通過(guò)仿真實(shí)驗(yàn)證明了該算法的正確性。

參考文獻(xiàn)：

[1]羅輝，張鐵中，楊麗.小波變換在農(nóng)田圖像邊緣檢測(cè)中的應(yīng)用[J]，農(nóng)機(jī)化研究，2006（02）：157-160.

[2]張珂，郭佳.基于云模型元胞自動(dòng)機(jī)的圖像邊緣檢測(cè)方法[J].華北電力大學(xué)學(xué)報(bào)，2009（01）：84-90.

作者簡(jiǎn)介：王玉凡（1972-），女，河北人，碩士，講師。

作者單位：河北軟件職業(yè)技術(shù)學(xué)院，河北保定 071003

基金項(xiàng)目：河北省保定市科學(xué)技術(shù)研究與發(fā)展計(jì)劃（項(xiàng)目編號(hào)：14ZN016， 14ZN026）。