樹木圖像分割方法的研究.pdf

1、由于背景的復雜性，樹木圖像的分割相對比較困難，本文對樹木圖像的分割進行研究，從而為林業(yè)立體視覺測量、林木農(nóng)藥精確對靶施用、基于圖像的樹木可視化重建、樹木的生長狀態(tài)評估、樹種自動識別與分類等課題提供基礎數(shù)據(jù)和技術(shù)支撐。本文以靜態(tài)彩色樹木圖像為研究樣本，基于Matlab軟件，分別使用三種方法實現(xiàn)樹木圖像的分割。
　　基于RGB彩色空間，利用綠色植物過綠因子數(shù)值遠遠大于背景人造物過綠因子數(shù)值的特點，選取適當?shù)倪^綠因子作為圖像分割閾值。試

2、驗表明基于過綠因子的方法可以較好的實現(xiàn)樹木圖像分割。
　　引入了馬爾可夫(Markov)隨機場理論，首先對樹木彩色圖像建立MRF-MAP分割模型，并用EM算法對觀測場模型的參數(shù)進行估計，然后采用條件迭代算法和模擬退火算法對分割問題進行優(yōu)化求解，最終確定了彩色樹木圖像分割的類別數(shù)和試驗參數(shù)，并將得到的分割結(jié)果進行比較。
　　在上述研究的基礎上，研究初始標記場對MRF-MAP模型分割結(jié)果的影響，分別采用過綠特征和K-均值分割作為

3、初始標記場，并研究了懲罰因子設定方式對MRF-MAP模型分割結(jié)果的影響，其懲罰因子分別采用固定不變和隨程序運行不斷增加的方式，然后將其得到的分割結(jié)果進行對比。最后將過綠特征的閾值分割結(jié)果作為初分割參數(shù)，結(jié)合馬爾可夫隨機場理論，將過綠馬爾科夫隨機的分割結(jié)果和馬爾科夫隨機場的分割結(jié)果進行比較。
　　試驗結(jié)果表明:無論基于馬爾可夫(Markov)隨機場的分割法還是基于過綠馬爾可夫(Markov)隨機場的分割法，都可應用在樹木圖像分割上。