農田圖像的統(tǒng)計迭代分割方法研究.pdf

1、TheResearchofStatisticIterationAlgorithmforFarmFieldImageSegmentationCandidate：H——a——n——————Y——————o————n————ghua—Advisor：ProfZhaoYunMajor：University：Submittedin：April2011浙江大學博士學位論文摘要摘要傳統(tǒng)農業(yè)工作方式強度高、效率低、較易發(fā)生農業(yè)事故，如農藥中毒、皮膚曬傷

2、病變等。農業(yè)機械自動導航的出現(xiàn)有效解決了這些問題，而導航過程中視覺方式的路徑檢測以其使用靈活、信息量豐富、不限定外部環(huán)境(即只需要找到農田或果園中預先存在的路徑特征就可以，如壟、田間地頭等)等優(yōu)點成為導航中的主導方式。在視覺探測路徑的過程中，圖像分割是關鍵，本文在研究適合農田處理的統(tǒng)計圖像處理算法的基礎上，對農田圖像進行了分割。此外農業(yè)機械自動導航的出現(xiàn)，也適應了精細農業(yè)發(fā)展的需要，起到環(huán)境保護的作用。以往采用的農田分割算法不能很好的去

3、除農田斷壟、雜草、陰影及光照改變等噪聲影響，使得對后續(xù)導航線提取算法要求很高，加上導航線算法計算過程復雜，如Hough變換等，使得整個農田處理過程魯棒性下降。針對農田圖像分割目的主要是檢測大尺度作物行，將統(tǒng)計迭代算法Meanshift和支持向量機應用于農田圖像分割，為了提高算法實時性分別將兩種統(tǒng)計迭代算法和小波多分辨率分析相結合。為了給農田彩色模型的選取提供理論依據(jù)，從顏色混合角度出發(fā)分析了幾個常用的模型。最后將農田圖像分割中采用的各種

4、典型分割算法和本文提出的基于小波多分辨率分解的快速Meanshift算法以及基于小波多分辨率分解的各種支持向量機算法進行了實驗對比研究。本文的主要研究成果如下：1)基于農田結構特點，首次提出了在圖像分割中只應用小波多分辨率分解的低分辨率圖像。不僅保留了農田待檢測信息，并有助于斷壟、雜草、小的陰影等高頻干擾的去除，還大大減少了算法程序運行時間。2)提出了分塊選種子點的快速Meanshift算法，并應用于農田圖像分割。改進Meanshitt