CN107133599A - 一种田间道路检测方法 - Google Patents
一种田间道路检测方法 Download PDFInfo
- Publication number
- CN107133599A CN107133599A CN201710328100.0A CN201710328100A CN107133599A CN 107133599 A CN107133599 A CN 107133599A CN 201710328100 A CN201710328100 A CN 201710328100A CN 107133599 A CN107133599 A CN 107133599A
- Authority
- CN
- China
- Prior art keywords
- field road
- image
- connected region
- region
- field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种田间道路检测方法,包括以下步骤:S1:在HSI颜色模型下进行图像预处理;S2:采用改进的区域分裂聚合算法对图像进行分割;S3:利用眼膜过滤机制去除田间道路与非道路部分连通区域;S4:采用改进的Moore边界追踪算法提取出田间道路边界。本发明利用HIS颜色模型亮度与色度可分离性,在S分量下改进区域分裂聚合算法实现图像的分割,很好地克服了阴影、杂草等干扰,能够有效地将田间道路和农作物背景分离出来;改进的Moore边界追踪算法解决了农作物形态各异的叶片不规则地呈锯齿样交错覆盖田间道路的问题,快速准确地获取到田间道路的边界线。
Description
技术领域
本发明具体涉及一种田间道路检测方法。
背景技术
随着图像处理技术和计算机硬件的发展,机器视觉技术被广泛地应用于施肥、除草、采摘、喷洒农药等农业操作中。对田间道路进行快速准确的检测,是保证移动农业机器人在田间独立自主地行走并进行各种农田操作的重要技术之一。
发明内容
本发明要解决的技术问题是提供一种田间道路检测方法。
一种田间道路检测方法,包括以下步骤:
S1:在HSI颜色模型下进行图像预处理;
S2:采用改进的区域分裂聚合算法对图像进行分割;
S3:利用眼膜过滤机制去除田间道路与非道路部分连通区域;
S4:采用改进的Moore边界追踪算法提取出田间道路边界。
进一步的,步骤S1的具体方法如下:
将采集到的田间图像由RGB转换为HIS颜色模型,转换公式如下:
;
;
。
进一步的,步骤S2的具体方法如下:
1)确定区域特征一致性测度,即特征值P;
将整幅图像表示为R,对已转换为HIS颜色空间成熟麦田S分量设为特征值P,P的阈值为T;
2)对图像R中所有象限区域进行分裂,分裂的区域数即为区域分裂的精度;
3)即为区域在特征P上的平均值,根据是否满足T,根据下式给区域置特殊值0或255,将图像平滑并二值化;
4)分裂结束后,取条件进行聚合,聚合后得到麦田背景和田间道路的分割效果图。
进一步的,步骤S3的具体方法如下:
1)对田间道路部分黑色小连通区域去除时,将二值图像中值为0的像素点组成的区域判为连通区域,通过对掩膜图像进行遍历,计算连通区域大小,并只保留最大的黑色连通区域,则田间道路连通区域内的黑色小连通区域被去除;
2)对田间非道路部分白色小连通区域时,将值为255的像素点组成的区域判为连通区域,对掩膜图像进行遍历,计算出所有连通区域的大小和数量,并根据最大连通区域的大小S设定百分比阈值P,再将其他连通区域与大小和百分比阈值的乘积SP进行比较,去除小于SP的连通区域,留下来的即为道路对应的连通区域。
进一步的,步骤S4的具体方法如下:
1)假定边界为1,背景为0,令起始点为图像中左上角标记为1的点,用表示左侧的邻点,从开始按顺时针方向考察的8邻点,令表示所遇到的值为1的第一个邻点,并令为序列中之前的点;存储、的位置,令;
2)从c开始按顺时针方向进行,令b的8邻点为,找到标为1的第一个,令;
3)重复步骤2),直到且找到下一个边界点,所找到的b点的序列就构成排列后的边界点的集合。
本发明的有益效果是:
本发明利用HIS颜色模型亮度与色度可分离性,在S分量下改进区域分裂聚合算法实现图像的分割,很好地克服了阴影、杂草等干扰,能够有效地将田间道路和农作物背景分离出来;改进的Moore边界追踪算法解决了农作物形态各异的叶片不规则地呈锯齿样交错覆盖田间道路的问题,快速准确地获取到田间道路的边界线。
具体实施方式
以下具体实施例对本发明作进一步阐述,但不作为对本发明的限定。
一种田间道路检测方法,包括以下步骤:
S1:在HSI颜色模型下进行图像预处理;
S2:采用改进的区域分裂聚合算法对图像进行分割;
S3:利用眼膜过滤机制去除田间道路与非道路部分连通区域;
S4:采用改进的Moore边界追踪算法提取出田间道路边界。
步骤S1的具体方法如下:
将采集到的田间图像由RGB转换为HIS颜色模型,转换公式如下:
;
;
。
步骤S2的具体方法如下:
1)确定区域特征一致性测度,即特征值P;
将整幅图像表示为R,对已转换为HIS颜色空间成熟麦田S分量设为特征值P,P的阈值为T;
2)对图像R中所有象限区域进行分裂,分裂的区域数即为区域分裂的精度;
3)即为区域在特征P上的平均值,根据是否满足T,根据下式给区域置特殊值0或255,将图像平滑并二值化;
4)分裂结束后,取条件进行聚合,聚合后得到麦田背景和田间道路的分割效果图。
步骤S3的具体方法如下:
1)对田间道路部分黑色小连通区域去除时,将二值图像中值为0的像素点组成的区域判为连通区域,通过对掩膜图像进行遍历,计算连通区域大小,并只保留最大的黑色连通区域,则田间道路连通区域内的黑色小连通区域被去除;
2)对田间非道路部分白色小连通区域时,将值为255的像素点组成的区域判为连通区域,对掩膜图像进行遍历,计算出所有连通区域的大小和数量,并根据最大连通区域的大小S设定百分比阈值P,再将其他连通区域与大小和百分比阈值的乘积SP进行比较,去除小于SP的连通区域,留下来的即为道路对应的连通区域。
步骤S4的具体方法如下:
1)假定边界为1,背景为0,令起始点为图像中左上角标记为1的点,用表示左侧的邻点,从开始按顺时针方向考察的8邻点,令表示所遇到的值为1的第一个邻点,并令为序列中之前的点;存储、的位置,令;
2)从c开始按顺时针方向进行,令b的8邻点为,找到标为1的第一个,令;
3)重复步骤2),直到且找到下一个边界点,所找到的b点的序列就构成排列后的边界点的集合。
Claims (5)
1.一种田间道路检测方法,其特征在于,包括以下步骤:
S1:在HSI颜色模型下进行图像预处理;
S2:采用改进的区域分裂聚合算法对图像进行分割;
S3:利用眼膜过滤机制去除田间道路与非道路部分连通区域;
S4:采用改进的Moore边界追踪算法提取出田间道路边界。
2.根据权利要求1所述的田间道路检测方法,其特征在于,步骤S1的具体方法如下:
将采集到的田间图像由RGB转换为HIS颜色模型,转换公式如下:
;
;
。
3.根据权利要求1所述的田间道路检测方法,其特征在于,步骤S2的具体方法如下:
1)确定区域特征一致性测度,即特征值P;
将整幅图像表示为R,对已转换为HIS颜色空间成熟麦田S分量设为特征值P,P的阈值为T;
2)对图像R中所有象限区域进行分裂,分裂的区域数即为区域分裂的精度;
3)即为区域在特征P上的平均值,根据是否满足T,根据下式给区域置特殊值0或255,将图像平滑并二值化;
4)分裂结束后,取条件进行聚合,聚合后得到麦田背景和田间道路的分割效果图。
4.根据权利要求1所述的田间道路检测方法,其特征在于,步骤S3的具体方法如下:
1)对田间道路部分黑色小连通区域去除时,将二值图像中值为0的像素点组成的区域判为连通区域,通过对掩膜图像进行遍历,计算连通区域大小,并只保留最大的黑色连通区域,则田间道路连通区域内的黑色小连通区域被去除;
2)对田间非道路部分白色小连通区域时,将值为255的像素点组成的区域判为连通区域,对掩膜图像进行遍历,计算出所有连通区域的大小和数量,并根据最大连通区域的大小S设定百分比阈值P,再将其他连通区域与大小和百分比阈值的乘积SP进行比较,去除小于SP的连通区域,留下来的即为道路对应的连通区域。
5.根据权利要求1所述的田间道路检测方法,其特征在于,步骤S4的具体方法如下:
1)假定边界为1,背景为0,令起始点为图像中左上角标记为1的点,用表示左侧的邻点,从开始按顺时针方向考察的8邻点,令表示所遇到的值为1的第一个邻点,并令为序列中之前的点;存储、的位置,令;
2)从c开始按顺时针方向进行,令b的8邻点为,找到标为1的第一个,令;
3)重复步骤2),直到且找到下一个边界点,所找到的b点的序列就构成排列后的边界点的集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328100.0A CN107133599A (zh) | 2017-05-11 | 2017-05-11 | 一种田间道路检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328100.0A CN107133599A (zh) | 2017-05-11 | 2017-05-11 | 一种田间道路检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107133599A true CN107133599A (zh) | 2017-09-05 |
Family
ID=59731499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710328100.0A Withdrawn CN107133599A (zh) | 2017-05-11 | 2017-05-11 | 一种田间道路检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107133599A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766831A (zh) * | 2019-01-09 | 2019-05-17 | 深圳市三宝创新智能有限公司 | 一种道路色带识别方法、装置、计算机设备、及存储介质 |
CN113254565A (zh) * | 2021-06-21 | 2021-08-13 | 浙江口碑网络技术有限公司 | 区域识别方法、装置、计算机设备及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529284A (zh) * | 2003-09-29 | 2004-09-15 | 上海交通大学 | 基于分水岭算法的视频对象提取方法 |
CN101827224A (zh) * | 2010-04-23 | 2010-09-08 | 河海大学 | 一种新闻视频中主播镜头的检测方法 |
-
2017
- 2017-05-11 CN CN201710328100.0A patent/CN107133599A/zh not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529284A (zh) * | 2003-09-29 | 2004-09-15 | 上海交通大学 | 基于分水岭算法的视频对象提取方法 |
CN101827224A (zh) * | 2010-04-23 | 2010-09-08 | 河海大学 | 一种新闻视频中主播镜头的检测方法 |
Non-Patent Citations (1)
Title |
---|
朱淑鑫 等: ""基于机器视觉的田间道路检测方法"", 《江苏农业学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766831A (zh) * | 2019-01-09 | 2019-05-17 | 深圳市三宝创新智能有限公司 | 一种道路色带识别方法、装置、计算机设备、及存储介质 |
CN113254565A (zh) * | 2021-06-21 | 2021-08-13 | 浙江口碑网络技术有限公司 | 区域识别方法、装置、计算机设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | Automatic method of fruit object extraction under complex agricultural background for vision system of fruit picking robot | |
Hamuda et al. | Automatic crop detection under field conditions using the HSV colour space and morphological operations | |
Tang et al. | Weed detection using image processing under different illumination for site-specific areas spraying | |
CN104598908B (zh) | 一种农作物叶部病害识别方法 | |
Yang et al. | Efficient color boundary detection with color-opponent mechanisms | |
Dutta et al. | Segmentation of unhealthy leaves in cruciferous crops for early disease detection using vegetative indices and Otsu thresholding of aerial images | |
Malik et al. | Detection and counting of on-tree citrus fruit for crop yield estimation | |
CN108710840B (zh) | 一种农田喷药机器人视觉导航路径识别方法 | |
CN104572971B (zh) | 图像检索的方法和装置 | |
CN107886086A (zh) | 一种基于图像视频的目标动物检测方法及装置 | |
CN103336966B (zh) | 一种应用于农业智能机械的杂草图像辨识方法 | |
Gui et al. | A new method for soybean leaf disease detection based on modified salient regions | |
Liu et al. | Extraction of the rice leaf disease image based on BP neural network | |
CN105719282B (zh) | 一种果园红色苹果图像果实枝叶区域获取方法 | |
Ullagaddi et al. | Disease recognition in Mango crop using modified rotational kernel transform features | |
Feng et al. | A separating method of adjacent apples based on machine vision and chain code information | |
CN105447860B (zh) | 一种麦苗计数方法 | |
Loresco et al. | Color space analysis using KNN for lettuce crop stages identification in smart farm setup | |
CN102208099A (zh) | 一种抗光照变化的作物彩色图像分割方法 | |
CN107133599A (zh) | 一种田间道路检测方法 | |
CN107154044A (zh) | 一种中餐食物图像的分割方法 | |
CN106157266A (zh) | 一种果园果实图像获取方法 | |
CN104951754A (zh) | 基于面向对象技术与ndvi时间序列相结合的农作物精细分类方法 | |
CN103226709B (zh) | 一种美国白蛾幼虫网幕图像识别方法 | |
CN104331702A (zh) | 基于图像识别的茶叶鲜叶分叉数量识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170905 |
|
WW01 | Invention patent application withdrawn after publication |