论文部分内容阅读
针对当前果树喷雾中存在喷雾效率低、农药浪费严重、农药污染严重等问题,提出将机器视觉技术应用于果树对靶喷雾系统中。基于机器视觉的精确喷雾中,关键问题之一是如何准确、快速的从背景中分割出目标图像。本论文重点对果树图像的识别方法进行研究,从而为实现精确的对靶喷雾奠定理论基础。
本文通过动态采集的彩色果树图像为研究样本,基于DSP图像处理平台和CCS开发环境,使用三种方法实现简单背景和复杂背景下果树图像的识别,实现了彩色视频信号的实时处理,论文的主要内容包括以下几个方面:
在RGB色彩空间下,先利用G分量对果树图像进行分割,实验证明,单独利用绿色植物的G分量进行处理,并不能够把相关区域分离出来。然后用最大类间方差法利用绿色植物和背景的R、G、B数值差异进行阈值设定对果树和背景的像素点进行判别,实验表明此方法可以较好地完成果树图像的识别,但是因为像素的R、G、B值之间具有相关性,使得这种方法有其局限性。
在HSI色彩空间下,通过直接设定绿色色调带宽的方法,结合果树图像的饱和度和亮度特征进行果树图像分割,实验证明,该方法较之于基于RGB色彩空间下的分割效果改进并不明显。
在上述研究的基础上,利用图像的亮度信号Y分量,结合图像的G特征分量再次对果树图像进行识别,实验证明,该方法识别果树图像的效果优于前面两种方法,但同时也存在分割耗时较长的特点,有待进一步研究。
文章分析比较了三种识别方法的优劣,并进行了系统的软硬件优化,使得系统运行速度有了明显提升,在系统速度优化的基础上,认为基于G和Y分量的识别方法优于另外两种方法。