基于对比度优化的彩色影像植物分割


发布时间:

2022-03-06

来源:

本站

作者:

PhenoTrait

  植物分割(Plant segmentation)是计算机视觉应用中的一项重要任务,可用于植物表型特征的识别、分类和量化,其目的是将植物(例如作物和杂草)从影像背景(例如土壤)中分割出来。但是,影像的植物分割容易受到非结构化背景、光照条件、植物多样性和植物-背景对比度较弱等多种因素影响,而现有的颜色指数(Color index)是在特定条件下根据经验提出的,鲁棒性较差,难以适应复杂成像条件下的影像分割工作。因此,本研究提出了一种具有较强鲁棒性的对比度优化方法,可以实现彩色影像(Red-green-blue, RGB)的植物自动分割。该方法通过优化RGB 三个颜色分量的线性组合来获取对比度增强影像(Contrast-enhanced image, CEI),然后根据影像直方图自动计算阈值并对影像进行分割(图1)。为了评价该方法的分割精度,本研究利用Cotton weed dataset、Sweetpotato slip dataset、Crop/weed field image dataset (CWFID)、Carrot-Weed dataset和Plant phenotyping dataset等5个不同的RGB影像数据集,分别对比了对比度增强影像、颜色指数影像和亮度灰度影像(Luminance grayscale image)的植物分割结果。精度评价结果显示,对比度增强影像的对比度和分割精度均优于颜色指数影像,其平均分割精度可以达到F1=95%,比颜色指数能达到的最优精度高5%。此外,5个不同数据集的分割结果均表明,对比度增强影像的鲁棒性要优于颜色指数影像(图2-图6)。因此,本研究提出的对比度优化方法能够适应不同的成像条件,可应用于精准农业和表型分析等领域的影像处理工作。同时,本研究的方法简单易行,还可以扩展到其他颜色空间以及更多的非线性形式,在影像分割领域具有较高的研究前景。

  

  图1 杂草的RGB影像及其对比度增强影像。左侧为增强影像的双峰直方图,右侧为影像的单峰直方图

 

  图2 Cotton weed dataset中的一张RGB影像及其对应的亮度灰度影像、9个颜色指数影像和3个对比度增强影像(CEI1、CEI2 和 CEI3)。η为植物与背景之间的对比度,F1为分割精度(%);绿线和红线包围的区域分别为地面真值和植物分割结果;蓝线为影像直方图,其中的菱形标记为阈值位置

 

  图3 Sweetpotato slip dataset中的一张RGB影像及其对应的亮度灰度影像、9个颜色指数影像和3个对比度增强影像(CEI1、CEI2 和 CEI3)。η为植物与背景之间的对比度,F1为分割精度(%);绿线和红线包围的区域分别为地面真值和植物分割结果;蓝线为影像直方图,其中的菱形标记为阈值位置

 

  图4 CWFID中的一张RGB影像及其对应的亮度灰度影像、9个颜色指数影像和3个对比度增强影像(CEI1、CEI2 和 CEI3)。η为植物与背景之间的对比度,F1为分割精度(%);绿线和红线包围的区域分别为地面真值和植物分割结果;蓝线为影像直方图,其中的菱形标记为阈值位置

 

  图5 Carrot-Weed dataset中的一张RGB影像及其对应的亮度灰度影像、9个颜色指数影像和3个对比度增强影像(CEI1、CEI2 和 CEI3)。η为植物与背景之间的对比度,F1为分割精度(%);绿线和红线包围的区域分别为地面真值和植物分割结果;蓝线为影像直方图,其中的菱形标记为阈值位置

 

  图6 Plant phenotyping dataset中拟南芥盆栽的一张RGB影像及其对应的亮度灰度影像、9个颜色指数影像和3个对比度增强影像(CEI1、CEI2 和 CEI3)。η为植物与背景之间的对比度,F1为分割精度(%);绿线和红线包围的区域分别为地面真值和植物分割结果;蓝线为影像直方图,其中的菱形标记为阈值位置

 

  来源:Yuzhen Lu, Sierra Young, Haifeng Wang, et al. Robust plant segmentation of color images based on image contrast optimization. Computers and Electronics in Agriculture, 2022, 193: 106711.

 

  编辑:段博

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。