冯青春等：面向番茄植株相近色目标识别的多波段图像融合方法（2020年第2期）
引文格式
冯青春, 陈建, 成伟, 王秀. 面向番茄植株相近色目标识别的多波段图像融合方法[J]. 智慧农业（中英文）, 2020, 2(2): 126-134.
FENG Qingchun, CHEN Jian, CHENG Wei, WANG Xiu. Multi-band image fusion method for visually identifying tomato plant's organs with similar color[J]. Smart Agriculture, 2020, 2(2): 126-134. (in Chinese with English abstract)
友情提示：文章已在中国知网上线，欢迎大家阅读引用。其他数据库将陆续上线。
备注：知网登录可以选择IP登录
面向番茄植株相近色目标识别的多波段图像融合方法
（1.北京农业智能装备技术研究中心，北京 100097；2.中国农业大学 工学院，北京 100083；3.国家农业智能装备工程技术研究中心，北京 100097；4.农业智能装备技术北京市重点实验室，北京 100097）
摘要: 针对温室番茄智能化管理需要，研究茎秆、叶片和绿果等3类相近色目标的多波段图像融合方法，以凸显目标与背景亮度差异，提高目标视觉识别效率。根据其各自在300~1000 nm范围的反射光谱特征差异，建立了针对其光谱数据分类的Lasso正则化逻辑回归模型。基于模型的稀疏解特征，确定具有较大权值系数的450、600和900 nm等3个波段作为最优成像波段，在此基础上构建了温室番茄植株多波段图像在线采集系统。结合最优成像波段下相近色目标图像特征分析，提出了基于NSGA-II的多波段图像加权融合方法，以增强特定目标与近色背景物体的图像亮度差异。最后通过现场试验对多波段图像融合效果进行评估。结果表明，分别以茎秆、叶片和绿果器官作为识别目标，通过多波段图像融合处理后，目标与背景之间的图像灰度差异绝对差值相应达到单波段图像的2.02、8.63和7.89倍，即被识别目标与其他近色背景的亮度差异显著增强，且背景物的亮度波动得到抑制。本研究结果可以为农业环境近色目标视觉识别相关研究提供参考。
关键词: 农业机器人；番茄植株；相近色目标；光谱特征；图像融合;NSGA-II
文章图片
注：1.暗箱 2.光纤探头3.光纤 4.探头支架 5.载物台 6.测量对象 7.光谱仪 8.光源
图1 光谱数据测量系统
Fig. 1 Spectral data measuring system
图2 番茄相近色器官光谱反射曲线
Fig. 2 Spectral curves of tomato's similar-colored organs
图3 LR-Lasso分类模型权值系数
Fig. 3 Weight coefficients of LR-Lasso classification model
注： 1.卤素灯 2.摄像机3.滤光片转轮 4.滤光片 5.番茄植株
图4 多波段图像采集系统
Fig. 4 Multi-band image acquiring system
图5 番茄植株最优成像波段图像
Fig. 5 Tomato plant images of optimal wavelength bands
图6 相近色目标图像灰度统计
Fig. 6 Similar-colored organs’ gray value statistics
图7 最优成像波段图像融合效果
Fig. 7 Fusion results of optimal wavelength images
图8 相近色目标图像灰度SAD
Fig. 8 Similar-colored organs' gray value SAD
图9 各融合图像的Otsu阈值分割结果
Fig. 9 Otsu segmentation results of fused image
来源：《智慧农业（中英文）》2020年第2期