賈海斌　馬兆敏　胡波

【摘 要】農(nóng)業(yè)圖像的采集多數(shù)在自然環(huán)境下，受光照影響大，因此研究光照對農(nóng)業(yè)圖像分割的影響成為一個研究熱點(diǎn)。首先介紹了相關(guān)研究的內(nèi)容，然后提出了增加輔助光條件下進(jìn)行農(nóng)業(yè)圖像分割研究中幾個值得注意的問題。

【關(guān)鍵詞】農(nóng)業(yè)圖像；圖像分割；輔助光

隨著計算機(jī)技術(shù)的普及推廣，精準(zhǔn)農(nóng)業(yè)模式的提出，應(yīng)用計算機(jī)視覺、圖像處理技術(shù)進(jìn)行農(nóng)作物中的識別與控制成為可能。在農(nóng)業(yè)機(jī)器視覺中，田間圖像的分割主要是指將作物等植被區(qū)域與土壤等背景區(qū)域分離開來，為后續(xù)的作物的識別提供基礎(chǔ)。一方面，田間圖像的分割是利用機(jī)器視覺進(jìn)行農(nóng)田信息獲取的基礎(chǔ)，另一方面，田間圖像的分割精度對作物識別精度影響很大，因此圖像分割一直是農(nóng)業(yè)圖像處理的研究熱點(diǎn)。在機(jī)器視覺中，光照一直是影響圖像分割效果的重要因素，因此光照對圖像分割質(zhì)量的影響逐漸成為一個熱點(diǎn)問題。

1. 光照對農(nóng)業(yè)圖像分割的影響

在田間圖像分割中，光照的變化對圖像的分割結(jié)果會產(chǎn)生很大的影響，嚴(yán)重影響分割效果。隨著外界光照環(huán)境的變化，植被和土壤的表面會出現(xiàn)不同的反光或者不反光的現(xiàn)象。光照過強(qiáng)時，植被和土壤都會發(fā)生反光現(xiàn)象，呈現(xiàn)出一片白色的光斑。而如果外界光照過暗，將無法體現(xiàn)出葉片和土壤在顏色上的差異，葉片和土壤都會變得灰蒙蒙的。在這種情況下，對采集到的圖像進(jìn)行分割必然會產(chǎn)生很大的分割誤差。

光照對田間圖像的分割效果影響很大。然而，傳統(tǒng)關(guān)于田間圖像分割的研究，多是對分割特征和分割算法進(jìn)行優(yōu)化或者引入模式識別的方法，進(jìn)而提出新的分割方法。在這些研究中，盡管也有一些考慮到了光照對分割結(jié)果的影響，但大都沒有研究如何合理地利用輔助光來改善田間圖像的分割效果，而增加輔助光是機(jī)器視覺常見的控制光照環(huán)境的手段。所以，通過人為的設(shè)置輔助光源，在不同的輔助光源照射下，對田間圖像的分割進(jìn)行研究。這就可以在輔助光源下構(gòu)造不同的光照環(huán)境，從而提高農(nóng)業(yè)圖像的分割效果

2.國內(nèi)外現(xiàn)狀

目前國內(nèi)外的學(xué)者對田間圖像的分割都已經(jīng)進(jìn)行了廣泛的研究，國外對于田間圖像分割這方面的研究較早，已有一些成果在實(shí)際中得以應(yīng)用。對于田間圖像的分割，國內(nèi)外學(xué)者大多是對分割特征和分割算法進(jìn)行研究，對光照條件的研究較少。

田間圖像分割效果受光照的影響較大，一些學(xué)者考慮到了光照條件對分割的影響，提出了一些受光照影響較小的分割方法。張志斌從簡單物體光照顏色模型方面，分析了RGB顏色空間中作物綠色"恒量"的存在性，構(gòu)建了作物圖像分割相對錯誤率評估模型。并與傳統(tǒng)顏色索引方法進(jìn)行了對比分析。實(shí)驗(yàn)結(jié)果表明，對該方法對光照變化不敏感[1]。為了適應(yīng)不同農(nóng)田地塊自然圖像顏色特征固有的差異性，周俊從土壤背景中準(zhǔn)確分割出各種綠色植物目標(biāo)，設(shè)計了一種自適應(yīng)分割方法，農(nóng)田圖像試驗(yàn)結(jié)果顯示，該方法可以提高分割模型的針對性，有效地增強(qiáng)了分割過程適應(yīng)農(nóng)田自然圖像顏色特征差異性的能力[2]。劉瑞琪分析了4種來源于超綠特征（2g-r-b）的分割特征，并進(jìn)行實(shí)證分析。結(jié)果表明，（R+G+B）是田間圖像分割特征中最主要的參數(shù)[3]。周果利用顏色分量G-R和G-B與灰度直方圖來實(shí)現(xiàn)玉米苗期圖像與背景圖像的分割，解決了玉米苗期田間雜草識別中受影響及環(huán)境適應(yīng)性差等問題[4]。譚峰以6種植物圖像為例，結(jié)合數(shù)字圖像處理技術(shù)，采用BP神經(jīng)元網(wǎng)絡(luò)方法在植物圖像顏色較復(fù)雜，且受周邊環(huán)境影響較大的情況下，實(shí)現(xiàn)了植物圖像與背景圖像的分割[5]。李聰?shù)韧ㄟ^在傳統(tǒng)模型中加入圖像亮度特性、像素頻率特性、顏色的感知特性等避免了傳統(tǒng)分割算法對顏色和形態(tài)特征過度依賴的弊端[6]。Astrand 等通過比較實(shí)驗(yàn)確定了一個計算量小的因子，在較寬范圍光照條件下，能夠滿足視覺導(dǎo)航系統(tǒng)捕捉作物“綠色”特征的要求[7]。田磊等針對野外光照條件下農(nóng)業(yè)機(jī)械自主作業(yè)的需要， 提出了一種可適環(huán)境的圖像分割算法。該算法在 RGB 顏色空間中先采用聚類法進(jìn)行目標(biāo)與背景的分類，然后采用貝葉斯分類器進(jìn)行分類面的訓(xùn)練決策，分割了綠色作物與土壤背景[8]。張紅霞等提出了基于亮度的快速分割算法。該算法采用 RGB 顏色空間，在 EXG 算法灰度化基礎(chǔ)上，采用了閾值分割法，試驗(yàn)結(jié)果表明分割效果很好[9]。金小俊等提出了根據(jù)圖像中每個像素點(diǎn)是否滿足G>R且G>B對雜草和土壤背景進(jìn)行分割的方法，減小了戶外光線變化對分割精度的影響[10]。程玉柱針對苗期玉米田復(fù)雜土壤背景噪聲，提出一種基于MMC（最大間隔準(zhǔn)則）與CV（Chan-Vese）模型的玉米彩色圖像分割算法。試驗(yàn)結(jié)果表明，算法優(yōu)于傳統(tǒng)的顏色因子與Otsu組合算法，提高了強(qiáng)光下的分割效果 [11]。

3.進(jìn)一步研究中值得注意的問題

目前，許多研究者已經(jīng)采用了不同的顏色特征和分割方法對農(nóng)田圖像的分割進(jìn)行了研究，國內(nèi)外相關(guān)研究也已經(jīng)取得了很多結(jié)果。但是，這些研究大都沒有利用輔助光源來提高分割精度。由于外界因素的影響，現(xiàn)有的分割算法仍然會產(chǎn)生較大的分割誤差。因此可以考慮增加輔助光構(gòu)造光照環(huán)境進(jìn)行研究，在研究中以下幾個問題值得注意。

3.1光照強(qiáng)度對分割特征和分割算法的影響

田間環(huán)境復(fù)雜，不同的光照強(qiáng)度會對圖像的分割結(jié)果產(chǎn)生不同的影響。利用輔助光來改變田間光照強(qiáng)度，選擇不同的分割特征和分割算法時，也會產(chǎn)生不同的分割效果。有的分割特征和分割算法對光照強(qiáng)度的變化不敏感，在光照強(qiáng)度變化范圍很大時也能保持較高的分割正確率。而有的分割特征和分割算法在某些特定的光照環(huán)境下可以獲得很高的分割正確率，但是容易受到光照強(qiáng)度變化的影響，分割效果不穩(wěn)定。在實(shí)際應(yīng)用中，可以根據(jù)對分割的穩(wěn)定性要求和正確率要求的不同，選擇不同的分割特征和分割算法。

3.2輔助光源與攝像機(jī)相對角度的確定

輔助光與攝像機(jī)的相對角度會對采集到的圖像產(chǎn)生影響。當(dāng)輔助光照射方向與攝像機(jī)鏡頭方向不再是都垂直向下時，便會存在著順光和逆光的選擇。輔助光源可以順著攝像機(jī)鏡頭方向照射在植被上，也可以在攝像機(jī)的另一側(cè)逆著攝像機(jī)的鏡頭方向照射在植被上。

3.3輔助光源的光照強(qiáng)度與照射角度設(shè)置方法的確定

確定好攝像機(jī)與輔助光源的相對角度之后，還需要確定它們與地面之間的角度。它們與地面之間的角度不同，采集到的圖像也會不同，最終的分割效果也會存在差異。本課題探究了攝像機(jī)和輔助光源在與地面呈不同角度的情況下的圖像分割效果，確定出有利于提高圖像分割正確率的放置角度。

參考文獻(xiàn)：

[1]張志斌，羅錫文，臧英，厚福祥，徐曉東. 基于顏色特征的綠色作物圖像分割算法[J]. 農(nóng)業(yè)工程學(xué)報，2011，07：183-189.

[2]周俊，王明軍，邵喬林. 農(nóng)田圖像綠色植物自適應(yīng)分割方法[J]. 農(nóng)業(yè)工程學(xué)報，2013，18：163-170.

[3]劉瑞琪，曹乃文. 雜草圖像分割中分割特征的研究[J].安徽農(nóng)業(yè)科學(xué)，2011，30：18991-18992.

[4]周果，司秀麗. 基于顏色分量與直方圖的玉米苗期背景分割方法研究[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息，2012，08：22-24.

[5]譚峰，馬曉丹. 基于神經(jīng)網(wǎng)絡(luò)的植物圖像分割算法的研究[J]. 黑龍江八一農(nóng)墾大學(xué)學(xué)報，2009，01：63-65.

[6]李聰，高海燕，袁超. 基于改進(jìn)HVS的水稻雜草圖像分割算法[J]. 計算機(jī)仿真，2012，04：324-327.

[7]Astrand B， Baerveldt A. An agricultural mobile robot with vision-based perception for mechanical weed control[J]. Autonomous robots， 2002， 13（1）： 21-35.

[8]Lei F T， David C. Environmentally adaptive segmentation algorithm for outdoor image segmengtation[J]. Computer and Electronics in Agriculture， 1998， 21（3）： 153-168.

[9]張紅霞，張鐵中，宋健.一種快速農(nóng)田目標(biāo)分割方法的實(shí)現(xiàn)[J]. 濰坊學(xué)院學(xué)報，2006，6（4）：1-4.

[10]金小俊.基于機(jī)器視覺的除草機(jī)器人雜草識別[J].山東科技大學(xué)學(xué)報.2012（2）：104-108.

[11]程玉柱，陳勇，張浩等.基于MMC與CV模型的苗期玉米圖像分割算法[J].農(nóng)業(yè)機(jī)械學(xué)報，2013，44（11）：266-270.

基金項(xiàng)目：

廣西教育廳科研項(xiàng)目（LX2014198）

作者簡介：

賈海斌（1990年5月-），男，河南鄧州人，漢族，碩士，研究方向?yàn)椋簷C(jī)器視覺與模式識別。