發(fā)布時間：2021-12-25 08:36

　　針對自然環(huán)境下茶葉嫩芽圖像分割易出現(xiàn)過分割和欠分割等問題,提出一種基于清晰度評價和顏色聚類級聯(lián)的嫩芽圖像分割方法,并結(jié)合Tenengrad梯度評價和滑動分割獲取清晰度較高的圖像區(qū)域,然后在RGB、HSV、Lab、YCbCr顏色模型下進行聚類分割。結(jié)果表明,選取Tenengrad梯度值的上四分位數(shù)作為清晰度初選閾值,漏選率為25%;在HSV顏色模型下,利用K-means聚類方法完成嫩芽圖像分割,晴天和陰天環(huán)境下嫩芽圖像分割精度分別為72.48%和77.83%,較直接K-means分割方法相比,假陽性率分別減少5.19%和2.03%。該方法能夠?qū)崿F(xiàn)自然環(huán)境下茶葉嫩芽圖像的有效分割,減少欠分割和過分割,為茶葉智能采摘提供理論參考。 

【文章來源】：湖北農(nóng)業(yè)科學(xué). 2020,59(08)

【文章頁數(shù)】：4 頁

【部分圖文】：

ROI滑塊

陰天環(huán)境下茶葉圖像

晴天環(huán)境下茶葉圖像

【參考文獻】：
期刊論文
[1]光學(xué)顯微成像系統(tǒng)圖像清晰度評價函數(shù)的對比[J]. 李雪,江旻珊.  光學(xué)儀器. 2018(01)
[2]自然環(huán)境下嫩芽與茶梗自動分割方法的研究[J]. 姚波,汪洋,李小瑞,呂軍.  黑龍江八一農(nóng)墾大學(xué)學(xué)報. 2017(02)
[3]基于閾值分割法的茶葉嫩芽識別研究[J]. 唐仙,吳雪梅,張富貴,顧金梅.  農(nóng)業(yè)裝備技術(shù). 2013(06)
[4]調(diào)焦系統(tǒng)中數(shù)字圖像清晰度評價函數(shù)的研究[J]. 馮精武,喻擎蒼,蘆寧,馮海明.  機電工程. 2011(03)
[5]結(jié)合顏色和區(qū)域生長的茶葉圖像分割算法研究[J]. 汪建.  茶葉科學(xué). 2011(01)
[6]基于顏色和形狀特征的茶葉嫩芽識別方法[J]. 楊福增,楊亮亮,田艷娜,楊青.  農(nóng)業(yè)機械學(xué)報. 2009(S1)
[7]重疊條件下茶葉嫩芽的自動檢測方法[J]. 劉志杰,田艷娜,楊亮亮,楊福增,楊青.  中國體視學(xué)與圖像分析. 2009(02)



本文編號：3552135