農業圖像分割中光照影響的研究進展

賈海斌　馬兆敏　胡波

【摘 要】農業圖像的采集多數在自然環境下，受光照影響大，因此研究光照對農業圖像分割的影響成為一個研究熱點。首先介紹了相關研究的內容，然后提出了增加輔助光條件下進行農業圖像分割研究中幾個值得注意的問題。

【關鍵詞】農業圖像；圖像分割；輔助光

隨著計算機技術的普及推廣，精準農業模式的提出，應用計算機視覺、圖像處理技術進行農作物中的識別與控制成為可能。在農業機器視覺中，田間圖像的分割主要是指將作物等植被區域與土壤等背景區域分離開來，為后續的作物的識別提供基礎。一方面，田間圖像的分割是利用機器視覺進行農田信息獲取的基礎，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業圖像處理的研究熱點。在機器視覺中，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量的影響逐漸成為一個熱點問題。

1. 光照對農業圖像分割的影響

在田間圖像分割中，光照的變化對圖像的分割結果會產生很大的影響，嚴重影響分割效果。隨著外界光照環境的變化，植被和土壤的表面會出現不同的反光或者不反光的現象。光照過強時，植被和土壤都會發生反光現象，呈現出一片白色的光斑。而如果外界光照過暗，將無法體現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，對采集到的圖像進行分割必然會產生很大的分割誤差。

光照對田間圖像的分割效果影響很大。然而，傳統關于田間圖像分割的研究，多是對分割特征和分割算法進行優化或者引入模式識別的方法，進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，而增加輔助光是機器視覺常見的控制光照環境的手段。所以，通過人為的設置輔助光源，在不同的輔助光源照射下，對田間圖像的分割進行研究。這就可以在輔助光源下構造不同的光照環境，從而提高農業圖像的分割效果

2.國內外現狀

目前國內外的學者對田間圖像的分割都已經進行了廣泛的研究，國外對于田間圖像分割這方面的研究較早，已有一些成果在實際中得以應用。對于田間圖像的分割，國內外學者大多是對分割特征和分割算法進行研究，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，構建了作物圖像分割相對錯誤率評估模型。并與傳統顏色索引方法進行了對比分析。實驗結果表明，對該方法對光照變化不敏感[1]。為了適應不同農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確分割出各種綠色植物目標，設計了一種自適應分割方法，農田圖像試驗結果顯示，該方法可以提高分割模型的針對性，有效地增強了分割過程適應農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，并進行實證分析。結果表明，（R+G+B）是田間圖像分割特征中最主要的參數[3]。周果利用顏色分量G-R和G-B與灰度直方圖來實現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境適應性差等問題[4]。譚峰以6種植物圖像為例，結合數字圖像處理技術，采用BP神經元網絡方法在植物圖像顏色較復雜，且受周邊環境影響較大的情況下，實現了植物圖像與背景圖像的分割[5]。李聰等通過在傳統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分割算法對顏色和形態特征過度依賴的弊端[6]。Astrand 等通過比較實驗確定了一個計算量小的因子，在較寬范圍光照條件下，能夠滿足視覺導航系統捕捉作物“綠色”特征的要求[7]。田磊等針對野外光照條件下農業機械自主作業的需要， 提出了一種可適環境的圖像分割算法。該算法在 RGB 顏色空間中先采用聚類法進行目標與背景的分類，然后采用貝葉斯分類器進行分類面的訓練決策，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 算法灰度化基礎上，采用了閾值分割法，試驗結果表明分割效果很好[9]。金小俊等提出了根據圖像中每個像素點是否滿足G>R且G>B對雜草和土壤背景進行分割的方法，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雜土壤背景噪聲，提出一種基于MMC（最大間隔準則）與CV（Chan-Vese）模型的玉米彩色圖像分割算法。試驗結果表明，算法優于傳統的顏色因子與Otsu組合算法，提高了強光下的分割效果 [11]。

3.進一步研究中值得注意的問題

目前，許多研究者已經采用了不同的顏色特征和分割方法對農田圖像的分割進行了研究，國內外相關研究也已經取得了很多結果。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，現有的分割算法仍然會產生較大的分割誤差。因此可以考慮增加輔助光構造光照環境進行研究，在研究中以下幾個問題值得注意。

3.1光照強度對分割特征和分割算法的影響

田間環境復雜，不同的光照強度會對圖像的分割結果產生不同的影響。利用輔助光來改變田間光照強度，選擇不同的分割特征和分割算法時，也會產生不同的分割效果。有的分割特征和分割算法對光照強度的變化不敏感，在光照強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境下可以獲得很高的分割正確率，但是容易受到光照強度變化的影響，分割效果不穩定。在實際應用中，可以根據對分割的穩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輔助光源與攝像機相對角度的確定

輔助光與攝像機的相對角度會對采集到的圖像產生影響。當輔助光照射方向與攝像機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鏡頭方向照射在植被上，也可以在攝像機的另一側逆著攝像機的鏡頭方向照射在植被上。

3.3輔助光源的光照強度與照射角度設置方法的確定

確定好攝像機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：

[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]. 農業工程學報，2011，07：183-189.

[2]周俊，王明軍，邵喬林. 農田圖像綠色植物自適應分割方法[J]. 農業工程學報，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].安徽農業科學，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]. 農業網絡信息，2012，08：22-24.

[5]譚峰，馬曉丹. 基于神經網絡的植物圖像分割算法的研究[J]. 黑龍江八一農墾大學學報，2009，01：63-65.

[6]李聰，高海燕，袁超. 基于改進HVS的水稻雜草圖像分割算法[J]. 計算機仿真，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.一種快速農田目標分割方法的實現[J]. 濰坊學院學報，2006，6（4）：1-4.

[10]金小俊.基于機器視覺的除草機器人雜草識別[J].山東科技大學學報.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].農業機械學報，2013，44（11）：266-270.

基金項目：

廣西教育廳科研項目（LX2014198）

作者簡介：

賈海斌（1990年5月-），男，河南鄧州人，漢族，碩士，研究方向為：機器視覺與模式識別。