FCM在甘蔗蔗芽图像分割中的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇FCM在甘蔗蔗芽图像分割中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘要】为实现机器自动识别蔗芽质量，需要获得蔗牙的颜色、纹理和形状等特征信息与先验信息进行分析决策，其中最为关键的先前环节是对甘蔗图像进行蔗牙分割，由于蔗牙区域与茎节区域在颜色特征上的极度相关性使得阈值分割等传统分割方法失效。本文本文提出了基于fcm和改进FCM的甘蔗蔗牙分割方法，研究发现，采用S分量的KFCM蔗芽分割在分割时间和分割效果上能获得相对较好的效果，为后续蔗牙质量识别与检测提供了保证。

【关键词】甘蔗；FCM；蔗芽图像分割

在甘蔗种植的中，需要对甘蔗的蔗芽进行识别，剔除霉烂、刀伤或掉牙等坏芽。基于机器视觉的茎节识别获得了甘蔗的茎节区域[1]，而要对蔗芽进行识别，需要获得蔗芽图像，对蔗牙图像进行检测。笔者在前期甘蔗茎节识别研究中采用的是单摄像头[2]，获得的是单一方向面的图像，为获得甘蔗的蔗芽面，需要对甘蔗进行旋转或采用旋转摄像头的方式获取甘蔗的蔗芽面，从可实现的意义出发，采用旋转甘蔗的方式，将甘蔗蔗芽面与摄像方向垂直。对蔗芽进行检测，最关键的是获得甘蔗蔗芽图像，即从甘蔗图像中分离出蔗芽来，实现蔗芽的分割。甘蔗蔗芽区域颜色与周围茎杆颜色互相交叉，给识别蔗芽造成了很大的难度，基于此，本文提出基于FCM的甘蔗蔗芽分割方法。

1 FCM分割基本原理

在基于目标函数的聚类算法中，模糊C-均值（FCM，Fuzzy C-Means）聚类理论完善，应用广泛。FCM是由J.C.Bezdek[Bez81]从硬C-均值算法（记为HCM）推广而来，FCM用于图像分割是将图像中属性一致的像素进行模糊聚类后对像素进行标定[3]。即把图像像素点看成数据集的样本点，像素点的特征看成样本点的特征，则对图像的分割可以视为优化问题： 。满足约束条件 ；其中， 表示一个 维的矩阵， 表示 的矩阵。m>1， 是聚类的类数，n是聚类空间的样本数， 是表示第i类样本 的隶属度， 表示样本点 距聚类中心 的欧式距离， ， ，s是聚类空间的维数。

2 FCM蔗芽分割试验

基于FCM的应用，采用FCM对蔗芽区域的RGB和HSV颜色空间的三颜色R、G、B和H、S、V分量作为特征数据，即对应一个像素点，用其三个颜色分量作为特征，采用FCM进行分割；经过试验发现，当采用2或者更多的分类类别时，其分割效果并没有根本的改变，故采用分类类别为2，模糊加权指数m是Bezdek对模糊聚类准则函数进行推广时引入的参数，合适的m值具有抑制噪声、平滑隶属度函数等功效，Bezdek给出的经验范围为1.1≤m≤5；此后又得到了m=2时FCM算法的物理解释，高新波等对m进行深入研究[4]，认为m=2较合适，故试验选择m为2。

（a） （b）

（c） （d）

图1 蔗芽FCM分割

采用FCM区域的蔗芽分割研究发现，采用RGB空间的三原色和HSV空间的三原色进行分割的效果相当，如图1；而在时间消耗上，处理图1（a）蔗芽区域大小为242×181像素空间，在不考虑三原色数据的获取，仅考虑聚类算法，基于HSV空间的FCM分割平均消耗时间为1.319s，而处理RGB空间的三原色FCM算法需要1.328s。基于灰度的FCM分割效果与RGB和HSV空间的FCM分割效果相当图1（b）和（c）。从分割效果上看，两者对图像蔗牙的分割不是很理想。而采用S分量的分割图1（d）获得相对完整的蔗芽分割，运行时间为0.984s。

3 改进FCM蔗芽分割

3.1 改进的FCM基础原理

定义输入空间中的改进模糊聚类核函数算法的目标函数： ，其中 为输入空间中的聚类中心 对式进行展开并带入核

定义 即 为特征空间的欧式距离，相应的在原空间中增加了一类核依赖的新的距离度量。将FCM推广到了同一空间不同距离度量的新聚类。B线性核函数 ；多项式核函数 ；径向基核函数 ；Sigmoid核函数 [5]。

3.2 改进的FCM蔗芽分割试验

用改进的FCM对蔗芽区域的RGB和HSV颜色空间的三颜色R、G、B和H、S、V分量作为特征数据，即对应一个像素点，用其三个颜色分量作为特征，采用KFCM进行分割；经过试验发现，当采用2或者更多的分类类别时，其分割效果并没有根本的改变，故采用分类类别设置为2，模糊加权指数m也定为2；试验结果如图2

（a） （b）

（c） （d）

图2 改进的FCM蔗芽分割

采用改进的核FCM对RGB空间的三原色和HSV空间的三原色进行分割的效果相当如图2；而在时间消耗上，处理图2（a）蔗芽区域大小为242×181的像素空间，由分割结果可以看到，采用基于高斯核的FCM分割和FCM分割效果相当如图2（b）和（c），在分割质量上没有大的改善。由算法运行时间，采用S分量进行KFCM运算平均分割时间为0.2s。而基于RGB和HSV空间的KFCM算法需要运行的时间为0.269s，大大降低了运行时间，基于FCM和KFCM的蔗芽分割（242×181像素空间）所用的时间试验如表1。从以上的分割试验可知，采用改进的高斯核FCM的蔗芽分割蔗芽区域的S分量获得相对较好的效果，但是因为和周围的生长带相连，仍需要进行后期的分析处理。

表1 基于FCM和KFCM蔗芽分割时间

4 结论

机器视觉技术运用于甘蔗生产机械化，为甘蔗种植的精

确化提供了理论与思想基础。为实现机器自动识别蔗芽质量，本文提出了基于FCM和改进FCM的甘蔗蔗牙分割方法，而采用S分量的KFCM蔗芽分割在分割时间和分割效果上获得相对较好的效果，为后续蔗牙质量识别与检测提供了理论及实践依据。

参考文献

[1]陆尚平，文友先，葛维，彭辉.基于机器视觉的甘蔗茎节特征提取预识别[J].农业机械学报，2010，41（10）：190-194

[2]陆尚平，黄林，陈炳森，赵新业.基于机器视觉的甘蔗种植机械化研究[J].广西农业机械化，2012（5）：28-32

[3]Dunn J C. A fuzzy relative of the ISODATA process and its use in detecting compcact， well-separated cluslers[J].J Cybern ，1974（3）：32-57

[4]高新波，裴继红.模糊c均值聚类算法中加权指数m的研究[J].电子学报，2000，28（4）：80-83

[5]Burges C J C.A totorial on support vector machines for pattern recognition[J].Data Mining and Knowledge Discovery，1998，2（2）：121-169