基于超像素特征向量的果树冠层分割方法

打开文本图片集

摘要： 針对无人机精确植保过程中，果树冠层区域颜色特征和杂草相似度较高、难以分割等问题，采用基于超像素特征向量的果树冠层分割方法，以消除不同杂草特征对树冠分离的干扰，减小农药喷雾区域，节省农药使用量。通过分析无人机采集合成的样本图像在HSV彩色空间上色调与饱和度的分布情况，选取合适的阈值范围，提取样本图像中包含果树冠层与杂草的绿色区域，将提取的绿色区域RGB图像转换生成Lab和HSV彩色空间模型下的图像，然后运用简单的线性迭代聚类（Simple linear iterative clustering，SLIC）超像素分割算法将RGB图像预设分割成250个超像素单元，结合超像素的分割信息与RGB图像、Lab图像、HSV图像以及灰度图，提取超像素单元的特征向量，随机选取25%的超像素样本的特征向量作为SVM分类器的训练集，利用SVM分类器对所有样本进行预测分类，实现果树冠层与杂草分割。（剩余12046字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。