基于K-means和近邻回归算法的Kinect植株深度图像修复

摘要：

针对Kinect传感器应用于农业植株检测产生的图像噪声问题，特别是由光线以及传感器自身局限导致的匹配图像目标植株数据的缺失，提出一种基于K-means和近邻回归算法的植株深度检测图像修复方法。首先对Kinect传感器获取的彩色RGB图像进行阈值分割预处理提取植株目标区域，再利用K-means聚类算法去除背景噪声，使得植株目标区域轮廓更加清晰；然后基于配准的彩色图像和深度图像，对获取的深度图像中可疑像素点的深度数据采取近邻回归算法进行修复，再将修复后的深度图像与目标分割后的彩色图像进行植株区域的匹配，并进行二次近邻回归算法修正错误的深度数据，最后获取目标植株深度信息的检测图像。试验结果证明，采用RGB阈值分割和K-means聚类算法植株目标区域分割误差均值为12.33%，比单一RGB阈值分割和K-means聚类分割误差降低了12.12和41.48个百分点；同时结合聚类后的彩色图像对深度数据进行两次近邻回归算法修复深度数据，能够提高深度数据边缘的清晰度，单帧深度数据空洞点进行修复数据的准确度提高。该研究结果可为农业植株检测、植株三维重构、精准对靶喷雾等提供参考。

关键词：图像处理、图像分割、算法、植株检测、深度数据、图像修复、K-means聚类、近邻回归

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目51505195；江苏省自然科学基金项目BK20130501；中国博士后基金一等资助项目2014M550272；江苏省高校自然科学基金资助项目13KJB210002；江苏大学高级人才启动基金项目12JDG107。

在线出版日期：2016-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：188-194