基于图像特征点粒子群聚类算法的麦田作物行检测

摘要：

为了快速准确地提取麦田作物行中心线,提出了基于图像特征点粒子群聚类算法的麦田作物行检测.首先,对自然光照下获取的彩色图像运用"过绿颜色因子图像灰度化"、"Otsu图像二值化"、"左右边缘中间线检测提取作物行特征点算法"3步对图像进行预处理.然后,根据农田作物行中心线周围区域的特征点到该直线的距离均小于某一距离阈值的特征,运用粒子群优化算法对每一作物行的特征点分别进行聚类.最后,对每一类的特征点用最小二乘法进行直线拟合获取麦田作物行中心线.试验结果表明,该算法可以对作物断行、杂草、土块等复杂农田环境下的图像进行有效地作物行检测,识别率达95%,识别误差小于3°.与标准Hough算法相比,运行速率提升了一倍.该文可为实现农业机器人田间作业提供参考.

关键词：图像处理、算法、聚类、作物行检测、粒子群优化、最小二乘法

所属期刊栏目：33

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61472119,61572173,61472373,61401150;河南省科技攻关项目172102110032;河南省教育厅高等学校重点项目17A210014;河南省高等学校矿山信息化重点学科开放实验室开放基金资助KY2012-09;河南省高校基本科研业务费专项资金资助;计算机视觉与图像处理创新团队T2014-3

在线出版日期：2017-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：165-170