改进最大类间方差的苗期农业图像分割方法研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇改进最大类间方差的苗期农业图像分割方法研究范文，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：针对苗期农业图像的特点，提出了一种改进的Otsu阈值分割方法。使用2g-r-b方法对图像实行灰度化，再应用改进的判别函数选择分割阈值，以得到最优的分割结果。通过对分割结果的试验分析，验证了改进的Otsu法的有效性。

关键词：图像分割；Otsu法；农业图像；分割评价

中图分类号：TP391.4 文献标识码：A DOI：10.11974/nyyjs.20160432002

引言

图像分割是数字图像处理技术中一项非常关键的技术之一，它是对图像进行分析识别等处理的前提。阈值分割方法由于其简单、实时性好而得到了广泛应用。依据对图像采用阈值的个数可分为全局阈值方法和局部阈值方法[1]。但是图像分割仍然是一个具有挑战性的研究领域。针对农业图像中目标和背景分布的复杂性，本文在原始otsu算法基础上，提出了一种改进的Otsu分割方法，在图像的基本信息不变的情况下，给出了一种新的分割阈值判别函数。实验结果表明，改进的算法比传统的Otsu阈值分割法能够获得更好的分割效果。

1 材料与方法

1.1 试验材料与设备

本研究所使用的图像均在石河子大学农学院试验站（N45°19'，E86°03'）采集。采集时间为2015年4月下旬～5月中旬，累计1个月时间。为了方便研究，统一调整图片大小为640×480。图像处理由PC机完成，配置为：处理器Inter（R） Core（TM） CPU@2.60GHz，内存4GB，在Matlab R2008a 软件平台上运行。

1.2 改进otsu图像分割算法

根据农田图像自身的特点，为了克服光照变化和阴影的影响，首先采用归一化的2g-r-b算法[2]对图像进行灰度化处理。

最大类间方差法[3，4]（Otsu法）是在判决分析的基础上推导出来的，它不需要其它的先验知识，主要根据图像的一维直方图，将目标和背景的最大类间方差作为阈值选择标准，抗干扰能力强。其基本思想如下：设灰度图像的灰度级（），处在灰度级i的像素个数用ni表示，总的像素用N表示，Pi表示图像中灰度级为i出现的概率，定义为

将图像中的像素按灰度级用阈值t划分为2类，即C0和C1。，，则2类出现的概率分别为：

让从[0，L-1]依次取值，当最大时对应的值即为Otsu算法的最佳阈值。

根据类间方差的定义，即（3）式可知，传统的 Otsu 法只考虑背景和目标之间的方差，却忽略了不同区域像素中包含的分类信息，对噪声较为敏感。当图像的灰度直方图没有呈现双峰状时，分割效果就不太令人满意。为了更全面地反映分类的好坏，降低噪声对分割结果的影响，在充分考虑目标类和背景类二者之间分离性以及各自的类均值这2个因素后，定义新的阈值判别函数为：

该分类函数不仅考虑了类间的方差，还综合考虑了各类之间的权重与灰度均值，当在[0，L-1]之间变化时，该阈值函数能使目标和背景最大程度的分开，达到有效分割图像的目的。

2 试验结果与分析

为验证改进算法的有效性，采用自然光照环境下采集的田间作物图像进行测试。图1（a）是在大田环境下采集的杂草图像，该图像部分叶片重叠，还存在枯草、大块土壤等复杂背景。图1（b）是Otsu方法分割得到的结果，通过观察发现，该算法对叶片分割较粗糙，有很多细节没有分割完全，背景存在大量过分割。图1（c）是改进算法分割结果，可以发现其结果明显优于传统Otsu方法分割结果。叶片分割和背景较完整，几乎不存在误分割。

3 结 论

针对苗期农作物图像噪声大，背景复杂的特点，在分析otsu算法机理的基础上，提出一种新的阈值判别函数，试验证实新的判别函数对图像分割与传统otsu算法分割结果相比有明显改进。

参考文献

[1] 倪麟.基于Otsu理论的图像分割算法的研究[D].重庆大学，2013.

[2] 胡波，毛罕平，张艳诚.基于二维直方图的杂草图像分割算法[J].农业机械学报，2007，38（4）：199-202.

[3] Ohtsu N. A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems Man and Cybernetics， 1979， 9（1）：62-66.

[4] 王磊，多维Otsu方法在图像分割中的研究[D].山东：山东师范大学，2009.

作者简介：何旭（1992-），男，学士，主要从事农业图像处理研究。