本發(fā)明具體涉及一種田間道路檢測(cè)方法。

背景技術(shù)：

隨著圖像處理技術(shù)和計(jì)算機(jī)硬件的發(fā)展，機(jī)器視覺(jué)技術(shù)被廣泛地應(yīng)用于施肥、除草、采摘、噴灑農(nóng)藥等農(nóng)業(yè)操作中。對(duì)田間道路進(jìn)行快速準(zhǔn)確的檢測(cè)，是保證移動(dòng)農(nóng)業(yè)機(jī)器人在田間獨(dú)立自主地行走并進(jìn)行各種農(nóng)田操作的重要技術(shù)之一。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種田間道路檢測(cè)方法。

一種田間道路檢測(cè)方法，包括以下步驟：

s1：在hsi顏色模型下進(jìn)行圖像預(yù)處理；

s2：采用改進(jìn)的區(qū)域分裂聚合算法對(duì)圖像進(jìn)行分割；

s3：利用眼膜過(guò)濾機(jī)制去除田間道路與非道路部分連通區(qū)域；

s4：采用改進(jìn)的moore邊界追蹤算法提取出田間道路邊界。

進(jìn)一步的，步驟s1的具體方法如下：

將采集到的田間圖像由rgb轉(zhuǎn)換為his顏色模型，轉(zhuǎn)換公式如下：

；

；

。

進(jìn)一步的，步驟s2的具體方法如下：

1）確定區(qū)域特征一致性測(cè)度，即特征值p；

將整幅圖像表示為r，對(duì)已轉(zhuǎn)換為his顏色空間成熟麥田s分量設(shè)為特征值p，p的閾值為t；

2）對(duì)圖像r中所有象限區(qū)域進(jìn)行分裂，分裂的區(qū)域數(shù)即為區(qū)域分裂的精度；

3）即為區(qū)域在特征p上的平均值，根據(jù)是否滿足t，根據(jù)下式給區(qū)域置特殊值0或255，將圖像平滑并二值化；

4）分裂結(jié)束后，取條件進(jìn)行聚合，聚合后得到麥田背景和田間道路的分割效果圖。

進(jìn)一步的，步驟s3的具體方法如下：

1）對(duì)田間道路部分黑色小連通區(qū)域去除時(shí)，將二值圖像中值為0的像素點(diǎn)組成的區(qū)域判為連通區(qū)域，通過(guò)對(duì)掩膜圖像進(jìn)行遍歷，計(jì)算連通區(qū)域大小，并只保留最大的黑色連通區(qū)域，則田間道路連通區(qū)域內(nèi)的黑色小連通區(qū)域被去除；

2）對(duì)田間非道路部分白色小連通區(qū)域時(shí)，將值為255的像素點(diǎn)組成的區(qū)域判為連通區(qū)域，對(duì)掩膜圖像進(jìn)行遍歷，計(jì)算出所有連通區(qū)域的大小和數(shù)量，并根據(jù)最大連通區(qū)域的大小s設(shè)定百分比閾值p，再將其他連通區(qū)域與大小和百分比閾值的乘積sp進(jìn)行比較，去除小于sp的連通區(qū)域，留下來(lái)的即為道路對(duì)應(yīng)的連通區(qū)域。

進(jìn)一步的，步驟s4的具體方法如下：

1）假定邊界為1，背景為0，令起始點(diǎn)為圖像中左上角標(biāo)記為1的點(diǎn)，用表示左側(cè)的鄰點(diǎn)，從開(kāi)始按順時(shí)針?lè)较蚩疾?imgfile="964583dest_path_image016.gif"wi="20"he="23"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>的8鄰點(diǎn)，令表示所遇到的值為1的第一個(gè)鄰點(diǎn)，并令為序列中之前的點(diǎn)；存儲(chǔ)、的位置，令；

2）從c開(kāi)始按順時(shí)針?lè)较蜻M(jìn)行，令b的8鄰點(diǎn)為，找到標(biāo)為1的第一個(gè)，令；

3）重復(fù)步驟2），直到且找到下一個(gè)邊界點(diǎn)，所找到的b點(diǎn)的序列就構(gòu)成排列后的邊界點(diǎn)的集合。

本發(fā)明的有益效果是：

本發(fā)明利用his顏色模型亮度與色度可分離性，在s分量下改進(jìn)區(qū)域分裂聚合算法實(shí)現(xiàn)圖像的分割，很好地克服了陰影、雜草等干擾，能夠有效地將田間道路和農(nóng)作物背景分離出來(lái)；改進(jìn)的moore邊界追蹤算法解決了農(nóng)作物形態(tài)各異的葉片不規(guī)則地呈鋸齒樣交錯(cuò)覆蓋田間道路的問(wèn)題，快速準(zhǔn)確地獲取到田間道路的邊界線。

具體實(shí)施方式

以下具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步闡述，但不作為對(duì)本發(fā)明的限定。

一種田間道路檢測(cè)方法，包括以下步驟：

s1：在hsi顏色模型下進(jìn)行圖像預(yù)處理；

s2：采用改進(jìn)的區(qū)域分裂聚合算法對(duì)圖像進(jìn)行分割；

s3：利用眼膜過(guò)濾機(jī)制去除田間道路與非道路部分連通區(qū)域；

s4：采用改進(jìn)的moore邊界追蹤算法提取出田間道路邊界。

步驟s1的具體方法如下：

將采集到的田間圖像由rgb轉(zhuǎn)換為his顏色模型，轉(zhuǎn)換公式如下：

；

；

。

步驟s2的具體方法如下：

1）確定區(qū)域特征一致性測(cè)度，即特征值p；

將整幅圖像表示為r，對(duì)已轉(zhuǎn)換為his顏色空間成熟麥田s分量設(shè)為特征值p，p的閾值為t；

2）對(duì)圖像r中所有象限區(qū)域進(jìn)行分裂，分裂的區(qū)域數(shù)即為區(qū)域分裂的精度；

3）即為區(qū)域在特征p上的平均值，根據(jù)是否滿足t，根據(jù)下式給區(qū)域置特殊值0或255，將圖像平滑并二值化；

4）分裂結(jié)束后，取條件進(jìn)行聚合，聚合后得到麥田背景和田間道路的分割效果圖。

步驟s3的具體方法如下：

1）對(duì)田間道路部分黑色小連通區(qū)域去除時(shí)，將二值圖像中值為0的像素點(diǎn)組成的區(qū)域判為連通區(qū)域，通過(guò)對(duì)掩膜圖像進(jìn)行遍歷，計(jì)算連通區(qū)域大小，并只保留最大的黑色連通區(qū)域，則田間道路連通區(qū)域內(nèi)的黑色小連通區(qū)域被去除；

2）對(duì)田間非道路部分白色小連通區(qū)域時(shí)，將值為255的像素點(diǎn)組成的區(qū)域判為連通區(qū)域，對(duì)掩膜圖像進(jìn)行遍歷，計(jì)算出所有連通區(qū)域的大小和數(shù)量，并根據(jù)最大連通區(qū)域的大小s設(shè)定百分比閾值p，再將其他連通區(qū)域與大小和百分比閾值的乘積sp進(jìn)行比較，去除小于sp的連通區(qū)域，留下來(lái)的即為道路對(duì)應(yīng)的連通區(qū)域。

步驟s4的具體方法如下：

1）假定邊界為1，背景為0，令起始點(diǎn)為圖像中左上角標(biāo)記為1的點(diǎn)，用表示左側(cè)的鄰點(diǎn)，從開(kāi)始按順時(shí)針?lè)较蚩疾?imgfile="286510dest_path_image016.gif"wi="20"he="23"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>的8鄰點(diǎn)，令表示所遇到的值為1的第一個(gè)鄰點(diǎn)，并令為序列中之前的點(diǎn)；存儲(chǔ)、的位置，令；

2）從c開(kāi)始按順時(shí)針?lè)较蜻M(jìn)行，令b的8鄰點(diǎn)為，找到標(biāo)為1的第一個(gè)，令；

3）重復(fù)步驟2），直到且找到下一個(gè)邊界點(diǎn)，所找到的b點(diǎn)的序列就構(gòu)成排列后的邊界點(diǎn)的集合。