[發明專利]一種基于信息熵梯度簡化PCNN模型的夜間室外番茄植株圖像分割算法

有效

• 申請號: 201810006510.8
• 申請日: 2018-01-04
• 公開（公告）號: CN108090910B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 項榮;徐晗升;張杰蘭;馮斌斌
• 申請（專利權）人: 中國計量大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于信息熵梯度簡化PCNN模型的夜間室外番茄植株圖像分割算法，在計算歸一化色差C_n后，使用簡化PCNN模型對歸一化色差灰度圖進行圖像分割迭代；計算圖像分割結果Y(n)的信息熵s(n)；當s(n)變小或迭代次數n已達最大迭代次數M時，停止迭代；求最大信息熵s(max)及對應的max；計算s(max)與s(max?1)的差值，即信息熵梯度Δs；判斷Δs是否大于閾值T_s，若是，則以第max+1次迭代獲得的Y(max+1)為圖像分割結果F，否則，以Y(max)為圖像分割結果F；對F進行去噪處理。本發明采用信息熵梯度作為最佳圖像分割結果評價準則，使用簡化PCNN模型，克服了夜間主動照明條件下光照不均勻，存在陰影、高光區等對夜間室外番茄植株圖像分割的影響，實現了夜間室外番茄植株圖像分割。

技術領域

本發明涉及一種圖像處理方法，尤其是涉及一種基于信息熵梯度簡化PCNN模型的夜間室外番茄植株圖像分割算法。

背景技術

番茄生產機器人是實現番茄生產自動化的一種解決方案，基于機器視覺的番茄植株組成器官(包括莖、葉、番茄等)識別是番茄生產機器人獲取番茄植株組成器官大小及位置等信息(用于番茄生產機器人進行自動疏果、疏葉、對靶噴施、采摘、避障、導航等)的一種手段。實現番茄植株圖像分割是實現番茄植株組成器官識別的前提。為延長番茄生產機器人的工作時間，提高番茄生產機器人的利用率和工作效率，實現番茄生產機器人在夜間環境下的自動化作業非常有必要，而實現夜間室外番茄植株圖像分割是實現番茄生產機器人在夜間作業時自動獲取番茄植株組成器官大小及位置等信息的前提。

夜間主動照明條件下采集的室外番茄植株圖像存在如下特點：不同圖像采集距離下，光照條件存在較大差異，對應所采集圖像的亮度存在較大差異；同一圖像中，亮度不均勻，光源分布中心對應區域較其他區域明顯偏亮；莖稈、葉、果實面向光源一側存在高光區。這些特點對夜間番茄植株圖像分割造成了較大的困難。

在果蔬生產機器人視覺系統研究領域，已有較多的日間自然光照條件下采集的綠色農作物圖像分割算法。由于日間和夜間，光照條件存在較大差異，因此日間采集的綠色農作物圖像呈現出與夜間采集的番茄植株圖像不同的特點。日間自然光照條件下，由于光照變化劇烈，不同光照條件下采集的圖像，亮度差異較大，圖像分割時體現為圖像分割閾值差異較大；光照不均勻，導致圖像上不同位置的綠色農作物區域亮度不同；背景復雜。日間自然光照條件下和夜間主動照明條件下采集的果蔬植株圖像差異較大，導致圖像分割算法同樣存在較大差異。因此，用于日間自然光照條件下采集的綠色農作物圖像的圖像分割算法不能直接用于夜間主動照明條件下采集的番茄植株圖像的圖像分割。

當前，現有的夜間果蔬生產機器人視覺系統圖像分割算法主要是夜間果實圖像分割算法，另有少數的夜間主動照明條件下的枝葉異色的果樹圖像分割算法。番茄植株與果蔬樹干、樹枝及果實光學特性不同，且在顏色、大小等方面存在差異，因此，當前現有的夜間果實及枝葉異色果樹圖像分割算法不能直接用于夜間枝葉近色的番茄植株圖像分割。