基于视觉显著性和脉冲耦合神经网络的成熟桑葚图像分割.pdfVIP

第 33 卷 第 6 期 农 业 工 程 学 报 Vol.33 No.6 148 2017 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2017 基于视觉显著性和脉冲耦合神经网络的成熟桑葚图像分割 1,2 1※ 1 3 贺付亮 ，郭永彩 ，高 潮 ，陈 静 （1. 重庆大学光电技术及系统教育部重点实验室，重庆 400044 ；2. 西南大学电子信息工程学院，重庆 400715 ； 3. 重庆市北碚区农业委员会，重庆 400700 ） 摘 要：为了提高在自然采摘环境中成熟桑葚机器视觉识别的有效性和鲁棒性，克服图像目标形态小、分布杂散、背景 干扰多和光照不均匀等困难，该文提出了一种采用视觉显著性和脉冲耦合神经网络（pulse coupled neural network，PCNN ） 模型的成熟桑葚图像分割方法。该方法首先将采集的图像映射到 Lab 颜色空间，利用空间颜色分量的算术平均值和高斯 滤波值之间的差异，构建起桑葚图像的频率调谐视觉显著图；其次，提取采集图像在 HSI 颜色空间的色调分量，经过均 衡化处理后，与视觉显著图进行融合，实现桑葚目标的融合特征表达；最后，通过改进的分层阈值化脉冲耦合神经网络 模型进行目标分割以及形态学处理，得到成熟桑葚的识别结果。利用从重庆市天府镇果桑生态园采集到的 200 余幅桑树 挂果图像进行试验，结果表明，该方法能够在不同光照条件的复杂背景下，有效分割出成熟果实，平均误分率为 1.87%， 优于结合频率调谐视觉显著性的 OTSU 法 （17.73%）、K-means 聚类算法（10.69%）、基于Itti 视觉显著性的 PCNN 分割 方法（7.34% ）和基于GBVS （graph-based visual saliency，GBVS）视觉显著性的 PCNN 分割方法（5.83% ）。研究结果 为成熟桑葚果实的智能化识别提供参考。 关键词：图像分割；机器视觉；模型；桑葚；视觉显著性；频率调谐；脉冲耦合神经网络 doi ：10.11975/j.issn.1002-6819.2017.06.019 中图分类号：TP391.41 文献标志码：A 文章编号：1002-6819(2017)-06-0148-08 贺付亮，郭永彩，高 潮，陈 静. 基于视觉显著性和脉冲耦合神经网络的成熟桑葚图像分割[J]. 农业工程学报，2017， 33(6)：148－155. doi ：10.11975/j.issn.1002-6819.2017.06.019 He Fuliang, Guo Yongcai, Gao Chao, Chen Jing. Image segmentation of ripe mulberries based on visual saliency and pulse coupled neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(6): 148 －155. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.06.019 慧农业技术关注的热点之一[6-8] 。不少学者在苹果、葡萄 0 引 言