基于卷积神经网络的生菜多光谱图像分割与配准

摘要：

针对多光谱图像中由于多镜头多光谱相机各通道之间存在的偏差以及传统分割方法的不适用,图像分析处理过程往往会出现无法自动化分割或分割精度较低的问题,提出采用基于相位相关算法和基于UNet的语义分割模型对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割.使用Canny算法对多光谱各通道图像进行边缘提取,进而使用相位相关算法对多光谱各通道图像进行配准,单幅图像平均处理时间0.92 s,配准精度达到99％,满足后续图像分割所需精度;以VGG16作为主干特征提取网络,直接采用两倍上采样,使最终输出图像和输入图像高宽相等,构建优化的UNet模型.实验结果表明:本文所提出的图像配准和图像分割网络,分割像素准确率达到99.19％,平均IoU可以达到94.98％,能够很好地对生菜多光谱图像进行前景分割,可以为后续研究作物精准表型的光谱分析提供参考.

关键词：生菜;多光谱图像;图像配准;图像分割;卷积神经网络

所属期刊栏目：52

分类号：S636.2;TP391.41(蔬菜园艺)

资助基金：北京市农林科学院协同创新中心建设专项;国家自然科学基金面上项目;北京市农林科学院科研创新平台建设项目

在线出版日期：2021-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：186-194