基于MFICSC算法的生菜图像目标聚类分割.pdf

第28卷第13期农业工程学报Vol.28No.13
2012年7月TransactionsoftheChineseSocietyofAgriculturalEngineeringJul.2012149

·农业信息与电气技术·
基于MFICSC算法的生菜图像目标聚类分割

孙俊1，武小红1，张晓东2，王艳1，高洪燕2
（1.江苏大学电气信息工程学院，镇江2l20l3；
2.江苏大学江苏省现代农业装备与技术重点实验室，镇江212013）

摘要：生菜图像目标分割是基于图像处理的生菜生理信息无损检测的前提。为了解决因生菜富含水分使得图像采集镜
头反光而导致生菜叶片图像灰度分布不均的问题，该文采用一种修正的图像灰度均衡算法对生菜图像进行灰度均衡处理，
应用混合模糊类间分离聚类算法（MFICSC）进行生菜图像目标分割，使总体类间距离最大化，能够同时生成模糊隶属度
和典型值，对处理噪声数据和克服一致性聚类问题均表现良好。分别采用MFICSC算法和Otsu算法进行了生菜图像目标
分割对比试验，结果表明MFICSC算法具有较好的聚类准确度，效果优于传统Otsu分割算法。
关键词：机器视觉，图像分割，算法，MFICSC，Otsu
doi：10.3969/j.issn.1002-6819.2012.13.024
中图分类号：S126；TP391.41文献标志码：A文章编号：1002-6819(2012)-13-0149-05

孙俊，武小红，张晓东，等.基于MFICSC算法的生菜图像目标聚类分割[J].农业工程学报，2012，28(13)：149－153.
SunJun,WuXiaohong,ZhangXiaodong,etal.LettuceimagetargetclusteringsegmentationbasedonMFICSCalgorithm[J].
TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),2012,28(13):149－153.(in
ChinesewithEnglishabstract)

高的聚类准确率。本文将其应用于图像目标分割，并通
0引言
过生菜图像目标分割试验，与Otsu算法分割结果进行对
生菜常称为减肥生菜，其健康种植受到许多专家关比分析。
注。生菜叶片受水分胁迫、氮素胁迫会不同程度影响叶
1图像灰度均衡处理
片健康状况，出现叶片翻卷，影响叶绿素、叶黄素含量，
从而导致作物叶片颜色、纹理等表面特性的改变，因此生菜富含水分，造成图像采集镜头易反光，而且由
专家可利用叶片或冠层的颜色、纹理、形态等宏观物理于图像采集时光线问题或者角度原因，均会使拍摄到的
特性对其进行无损检测诊断。生菜叶片图像灰度变化范围窄，灰度层次不明显。这些
赵杰文等[1]、毛罕平等[2-4]分别对生菜近红外图像、将导致拍摄到的生菜叶片图像的灰度分布并不很清晰，
番茄叶片图像、杂草图像进行处理，提取图像特征并研将直接影响到图像的图像分割等后续处理。
究后续建模方法。王连军等[5]、杨玮等[6]、Pagola等[7]分灰度直方图（图像灰度分布情况的统计图表）直观
别研究了草莓冠层、黄瓜叶片、大麦叶片的彩色图像与反映了图像的灰度分布情况。通过对图像的灰度值进行
植株氮素营养指标之间关系。张晓东等[8]通过多光谱图像统计，可以得到一个一维离散的图像灰度统计直方图函
技术研究了油菜水分胁迫诊断，洪添胜等[9]和蔡健荣等[10]数，图像的概率密度函数定义[24]如式（1）
利用高光谱图像技术分别检测水果内部含水率、含氮率p()()/kHkA(k0,1,...,L1)（1）
等内部品质与柑橘果锈。式中，H(k)表示在第k个灰度级上像素的个数，A为全部
[11-14]
对作物图像目标分割是后续处理和建模的基像素总数，L为总灰度级。
础，图像目标分割的好坏直接决定了后续图像特征提取直方图函数实际是图像的各灰度级的分布情况的反
及建模的质量。当前，国内外对图像分割算法中具有代映，通过改变直方图的灰度分布状况，使灰度均匀地或
表性的有Otsu算法[15-18]、FCM算法[19-22]等。XiaohongWu按预期目标分布于整个灰度范围空间，拉大灰度值之间
等[23]提出了混合模糊类间分离聚类（mixedfuzzy的动态范围，可以在视觉上提高图像的整体对比度，从
inter-clusterseparationclustering，MFICSC）分类算法，而达到图像增强的效果。
该算法对噪声不敏感，能将类中心距离扩大从而达到较当原始图像灰度动态范围小时，直方图分布不均匀，
使用传统算法进行直方图均衡化运算，图像信息很容易
丢失[25]。在图像处理中，