基于可见光光谱和随机森林算法的冬小麦冠层图像分割

摘要：

数字图像分析技术因其高效、快速等特点，已被广泛应用于作物长势和氮素营养状况的无损监测领域。获取作物冠层覆盖度及可见光光谱亮度值及其衍生的色彩指数，需要从作物冠层图像中准确分割出作物图像。研究以冬小麦与背景（土壤）在可见光波段反射率的差异为依据，利用基于CIE L* a* b*色彩空间a*分量的最大类间方差法和基于sRGB和CIE L* a* b*两个色彩空间的随机森林算法对冬小麦冠层图像进行了分割，并比较了图像分割精度。结果表明，三种方法均具有较高的分割精度，其中基于随机森林算法的图像分割效果明显好于最大类间方差法，而基于sRGB和CIE L* a* b*两个色彩空间的随机森林算法的图像分割效果差异较小。研究结果表明，随机森林算法可直接利用冠层图像可见光波段的三个色彩分量（R ，G和B）分割冬小麦冠层图像。

关键词：可见光光谱、随机森林算法、最大类间方差法、冠层图像、分割

所属期刊栏目：35

分类号：S126;O433.4(农业物理学)

资助基金：农业部948项目2012-Z5;山东省旱地作物水分高效利用科研创新团队项目6212n2

在线出版日期：2016-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3480-3484