隨著農(nóng)業(yè)機(jī)械的智能化發(fā)展,插秧機(jī)的精準(zhǔn)自動(dòng)導(dǎo)航技術(shù)成為國(guó)內(nèi)外大量學(xué)者的研究熱點(diǎn)。與衛(wèi)星導(dǎo)航相比較,機(jī)器視覺(jué)擁有成本低、對(duì)農(nóng)業(yè)規(guī)模與操作者技術(shù)要求低、適用性更佳等優(yōu)點(diǎn),使其使用門(mén)檻和對(duì)土地規(guī)模要求低,契合我國(guó)的國(guó)情和農(nóng)業(yè)現(xiàn)狀,一度被認(rèn)為是今后導(dǎo)航技術(shù)的重要發(fā)展方向。作為插秧機(jī)視覺(jué)導(dǎo)航系統(tǒng)中的關(guān)鍵技術(shù),秧苗行線(xiàn)提取的準(zhǔn)確度直接影響了插秧機(jī)自主行走的精度。但田間相機(jī)所獲圖像的視覺(jué)特性易受光照影響,使得秧苗行線(xiàn)提取準(zhǔn)確度降低。為提高插秧機(jī)視覺(jué)導(dǎo)航系統(tǒng)對(duì)光照的適應(yīng)性,本課題對(duì)復(fù)雜光照環(huán)境下水稻秧苗行線(xiàn)提取技術(shù)進(jìn)行了深入的研究。主要研究?jī)?nèi)容如下:（1）水稻秧苗圖像處理的基本理論分析分析RGB和HSV兩種色彩空間模型各分量的相關(guān)性和光照色彩特性,確定復(fù)雜環(huán)境下非均勻光照?qǐng)D像處理的色彩空間模型;研究光照分量提取方法,比較分析變分框架Retinex、雙邊濾波和快速引導(dǎo)濾波算法的光照分量提取效果和算法復(fù)雜度,選擇邊緣保持性能好、算法復(fù)雜度低的快速引導(dǎo)濾波算法進(jìn)行光照分量的提取。（2）基于亮度分區(qū)自適應(yīng)Gamma的圖像亮度校正算法研究研究傳統(tǒng)自適應(yīng)Gamma的圖像亮度校正算法對(duì)秧苗圖像的適應(yīng)性,針對(duì)其不足,... 

【文章來(lái)源】：安徽農(nóng)業(yè)大學(xué)安徽省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

RGB色彩立方體示意圖Fig.2-1RGBcolorcubediagram

庹盞母扇牛?伊煉刃畔⒂隦、G、B呈非線(xiàn)性相關(guān)，故使用RGB色彩空間模型無(wú)法準(zhǔn)確獲取圖像的亮度信息。2.1.2HSV彩色模型盡管RGB色彩空間模型能夠較好的體現(xiàn)出一幅圖像的色彩信息，但是該色彩空間無(wú)法準(zhǔn)確的提供各顏色分量的具體百分比值，此外不能通俗地認(rèn)為單幅彩色圖像是由三幅單色圖混合而成[43-44]。通過(guò)對(duì)RGB色彩空間的重新排列計(jì)算而得到HSV(Hue,Saturation,Value)色彩空間，其中，圖像的顏色屬性是由色調(diào)分量直接決定，亮度分量是經(jīng)過(guò)對(duì)三個(gè)顏色分量進(jìn)行比較而得，飽和度分量與人類(lèi)顏色感知形式相對(duì)應(yīng)。圖二-4HSV模型示意圖Fig.2-4HSVmodeldiagramHSV色彩空間是種較為直觀的顏色模型，其示意圖如圖2-4所示，該模型中的參數(shù)分別為：色調(diào)、飽和度和亮度[45]。色調(diào)（Hue,H）能夠體現(xiàn)所有顏色，其值域?yàn)?°到360°，以紅色為起點(diǎn)逆時(shí)針?lè)较蜣D(zhuǎn)動(dòng)，紅色為0°，綠色為120°，藍(lán)色為240°；飽和度（Saturation，S）體現(xiàn)圖像色彩的鮮艷程度，表示顏色接近光譜色的程度，其值域?yàn)閇0,1]；亮度（Value，V）體現(xiàn)人類(lèi)眼睛所能感覺(jué)到的光照強(qiáng)度，其值域?yàn)閇0,1]，其中0表示黑色，1表示白色，二者之間皆為灰度過(guò)渡值。為分析復(fù)雜環(huán)境下非均勻光照?qǐng)D像的光照情況，利用式(2-1)-(2-5)將圖2-2(a)中的RGB秧苗圖像轉(zhuǎn)換到HSV色彩空間，如圖2-5(a)所示，且H、S、V分量圖像分別如圖2-5(b)-(d)所示。統(tǒng)計(jì)H、S、V分量的直方圖如圖2-6所示，采用Minitab軟件對(duì)H、S、V三分量進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)：H分量與S分量的相關(guān)系數(shù)為0.031，H分量與V

13(c)S分量圖(c)Scomponentimage(d)V分量圖(d)Vcomponentimage圖二-5HSV分量圖Fig.2-5HSVcomponentimage圖二-6HSV分量分布圖Fig.2-6HSVcomponentdistribution鑒于HSV色彩空間三分量的無(wú)關(guān)性，適合處理易受光照變化影響的圖像，這一特性正好符合水田圖像光照的復(fù)雜性。且V分量代表圖像的明暗程度，與圖像本身的顏色信息相關(guān)性小，能夠很好地表示圖像中各像素點(diǎn)的亮度信息，故本研究基于HSV色彩空間模型進(jìn)行非均勻光照?qǐng)D像的亮度校正。2.2光照分量提取方法選擇2.2.1變分框架RetinexRetinex理論[46-48]的基本思想是入射光決定了一幅圖像中所有像素點(diǎn)的動(dòng)態(tài)范圍大小，而物體顏色是由物體表面的反射屬性決定，與光照情況無(wú)關(guān)�；谧兎挚蚣艿�0100200300400500600700800050100150200250像素點(diǎn)個(gè)數(shù)分量值H分量V分量S分量

【參考文獻(xiàn)】：
期刊論文
[1]基于YCbCr顏色空間的Retinex低照度圖像增強(qiáng)方法研究[J]. 田會(huì)娟,蔡敏鵬,關(guān)濤,胡陽(yáng).  光子學(xué)報(bào). 2020(02)
[2]基于亮度分區(qū)模糊融合的高動(dòng)態(tài)范圍成像算法[J]. 劉穎,王鳳偉,劉衛(wèi)華,艾達(dá),李蕓,楊凡超.  計(jì)算機(jī)應(yīng)用. 2020(01)
[3]基于分區(qū)域特征點(diǎn)聚類(lèi)的秧苗行中心線(xiàn)提取[J]. 廖娟,汪鷂,尹俊楠,張順,劉路,朱德泉.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(11)
[4]水稻插秧機(jī)自動(dòng)作業(yè)系統(tǒng)設(shè)計(jì)與試驗(yàn)[J]. 何杰,朱金光,張智剛,羅錫文,高陽(yáng),胡煉.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(03)
[5]基于光照-反射成像模型和形態(tài)學(xué)操作的多譜段圖像增強(qiáng)算法[J]. 王殿偉,韓鵬飛,范九倫,劉穎,許志杰,王晶.  物理學(xué)報(bào). 2018(21)
[6]野生動(dòng)物監(jiān)測(cè)光照自適應(yīng)Retinex圖像增強(qiáng)算法[J]. 張軍國(guó),程浙安,胡春鶴,陳宸,鮑偉東.  農(nóng)業(yè)工程學(xué)報(bào). 2018(15)
[7]插秧機(jī)導(dǎo)航路徑跟蹤改進(jìn)純追蹤算法[J]. 李革,王宇,郭劉粉,童俊華,何勇.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(05)
[8]水稻栽植機(jī)械化技術(shù)研究進(jìn)展[J]. 李澤華,馬旭,李秀昊,陳林濤,李宏偉,袁志成.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(05)
[9]結(jié)合HSV空間的水面圖像特征水岸線(xiàn)檢測(cè)[J]. 彭明陽(yáng),王建華,聞祥鑫,叢曉奕.  中國(guó)圖象圖形學(xué)報(bào). 2018(04)
[10]北斗高精度位置服務(wù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用[J]. 王海濤,張丹.  測(cè)繪通報(bào). 2017(S2)

碩士論文
[1]基于機(jī)器視覺(jué)的農(nóng)機(jī)導(dǎo)航算法研究[D]. 陳艷.廣西科技大學(xué) 2019
[2]低照度全景圖像增強(qiáng)算法研究[D]. 韓鵬飛.西安郵電大學(xué) 2019
[3]基于機(jī)器視覺(jué)的農(nóng)業(yè)機(jī)械路徑導(dǎo)航技術(shù)研究[D]. 楊官坤.西安電子科技大學(xué) 2019
[4]自主行走高速水稻插秧機(jī)自動(dòng)轉(zhuǎn)向控制系統(tǒng)研究[D]. 朱廣月.安徽農(nóng)業(yè)大學(xué) 2018
[5]分區(qū)自適應(yīng)色調(diào)映射算法研究[D]. 李玉靜.河南理工大學(xué) 2017
[6]拖拉機(jī)自動(dòng)導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)研究[D]. 賈全.中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院 2013
[7]水田除草機(jī)器人視覺(jué)導(dǎo)航路徑與參數(shù)獲取方法研究[D]. 黃小剛.華南理工大學(xué) 2013



本文編號(hào)：3141460