基于深度监督显著目标检测的草莓图像分割
Strawberry Image Segmentation Based on Deeply Supervised Saliency Detection作者机构:华东理工大学信息科学与工程学院
出 版 物:《华东理工大学学报(自然科学版)》 (Journal of East China University of Science and Technology)
年 卷 期:2020年第46卷第1期
页 面:114-120页
学科分类:0810[工学-信息与通信工程] 0817[工学-化学工程与技术] 081203[工学-计算机应用技术] 08[工学] 0805[工学-材料科学与工程(可授工学、理学学位)] 0703[理学-化学] 0835[工学-软件工程] 0702[理学-物理学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:显著性区域检测 短连接 图割 限制对比度自适应直方图
摘 要:草莓图像的分割效果直接影响着草莓采摘机器人的实时作业,而目前的草莓图像分割算法大多只研究完全成熟及无遮挡情况下的草莓分割,无法实现草莓的多级分类及遮挡检测。本文提出了一种结合显著性区域检测的草莓图像分割方法,可适用于不同明暗环境,并且有效地实现了对不同成熟度草莓的检测与分割,为后续实现多级分类提供了良好的数据支持。首先,使用限制对比度自适应直方图均衡化处理方法克服了实际采摘图像光线昏暗导致的分割困难;然后,使用结合短连接的整体嵌套显著目标检测算法,利用浅层侧面输出包含丰富细节优势及深层侧面输出定位显著区域优势,从而产生密集且准确的显著区;最后,将显著性区域作为Grabcut的前景进行分割,从而实现草莓图像的准确分割。实验数据及结果表明,本文方法在实际采摘中的遮挡及不同明暗环境下均可获得稳定而准确的分割结果。