基于图像处理和蚁群优化的形状特征选择与杂草识别.pdfVIP

第26卷第10期 农业工程学报 V01．26No．10 1782010年10月 TransactionsoftheCSAE Oct．2010 基于图像处理和蚁群优化的形状特征选择与杂草识别 李先锋L2，朱伟兴墩，纪滨1，刘波1，马长华1 (1．江苏大学电气信息工程学院，镇江212013：2．盐城工学院信息工程学院，盐城224051) 摘要：利用叶片形状特征区分杂草和作物是杂草识别的一个重要方法。为了提高杂草识别的精度和效率，通过形态学 运算和基于距离变换的阙值分割方法分离交叠叶片，从单个叶片中提取包括几何特征和矩特征的17个形状特征，用蚁群 优化(ACO)算法和支持向量机(SVM)分类器进行特征选择和分类识别，选取有利于分类的较优特征并实现特征的优 化组合。棉田杂草试验结果表明，该方法能实现分类特征的有效缩减，经优化组合得到的最优特征子集用于杂草识别的 准确率达95％以上，识别率高，稳定性好，对识别杂草时如何兼顾准确率和实时性具有参考意义。 关键词：图像处理，特征提取，支持向量机，蚁群优化算法 doi：10．3969／j．issn．1002—6819．2010．10．030 中围分类号：TP391．4 文献标志码：A 文章编号：1002—6819(2010)一10-0178—05 李先锋，朱伟兴，纪滨，等．基于图像处理和蚁群优化的形状特征选择与杂草识别[J]．农业工程学报，2010，26(10)： 178—182． Li featureselectionandweed basedon andant Bin，et recognitionimage colony Xianfeng，ZhuWeixing，Jia1．Shape processing ofthe Chinesewith optimization[J]．TransactionsCSAE，2010，26(10)：178—182．(inEnglishabstract) 0引言 1 图像处理和杂草形状特征提取 杂草识别是指通过提取和选择杂草及作物图像的诸 1．1交叠叶片的分割 如形状、颜色、纹理等视觉特征将杂草从作物中分离出 实际拍摄的棉田植物图像中部分存在叶片交叠现 来。实现精确、快速识别杂草的关键在于准确提取叶片 象，为了尽可能准确地提取形状特征以提高杂草识别率， 特征并实现特征的优化组合。各种植物在外形上，尤其 必须先进行交叠叶片的分割。针对叶片交叠程度不同， 是叶片形状存在显著差异，所以形状特征是区分杂草和 分别采用不同的处理方法。 作物的主要特征之～，并在杂草识别研究中作为主要识 1)对于叶片形状差异较大的杂草和作物形成的小面 别特征取得了一定的效果。然而，在已有研究中【l五】，一 积交叠，如图la所示的棉花和马唐交叠图像(棉花叶片面 方面，未考虑叶片交叠现象，导致特征参数计算不准确 积大，杂草叶片细长、面积小)，采用基于形态学滤波的 而影响识别率；另一方面，对提取的大量特征未进行优 方法分割叶片交叠的接触区域。 化选择，致使特征提取工作量过大而影响实时性。 首先，用最大类间方差法对图1a二值化，提取植物 本文在对田间植物图像进行预处理并分离交叠叶片 图像如图1b所示，显然单独的阈值分割无法将重叠目标 的基础上，首先提取杂草和作物叶片的形状特征，然后 分开。为此再对图lb运用形态学的开运算处理：如式(1)， 引入蚁群优化(ant 先用结构元素B对图形A进行腐蚀，消除物体边界点， colon