《表1 水稻冠层图像的分割误差比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《支持向量机和最大类间方差法结合的水稻冠层图像分割方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:*表示与本文算法相比差异显著（LSD-test，P<0.05）。Note:*indicates significant difference compared with proposed method at P<0.05 level.

绿色是区别植物和土壤、水等背景物体最主要的色彩特征，是基于色彩特征的冠层图像分割算法中最主要的计算参数[17，18]。本研究结果也表明，水稻和背景像元的G色彩特征双峰特征明显（图1），同时，g色彩特征（标准化G）是分类超平面Z的第二大构成参数（公式13，其贡献系数为0.421）。黄巧义等[34]发现，水稻冠层图像中G色彩特征显著受光照强度影响，在阴天条件下，水稻和背景像元的G色彩特征双峰特征非常明显，而在多云和晴天条件下，水稻和背景像元的G色彩特征频度分布的重叠率逐渐提高。本研究结果也表明，基于超绿特征的ExG&OTSU算法对阴天条件下获取的水稻冠层图像分割效果较高，但随着光照强度的提高，其分割精度逐渐降低（表1）。研究表明，在RGB色彩空间的基础上引进CIE L*a*b*中的a*和b*色彩特征变量，可以显著提高分割算法的光强稳健性[21，22]，在多云和晴天条件下获取的水稻冠层图像中水稻和背景像元的a*和b*色彩特征双峰现象仍较明显[34]，本研究结果也表明，水稻冠层图像中a*和b*色彩特征的双峰现象明显（重叠率分别为1.24%和2.99%，图1）。另一方面，a*色彩特征变量表征了绿色-品红的颜色变化度级，与水稻叶片对绿光和红光的吸收/反射率紧密相关，在绿色图像分割中具有较强的辨识度。刘亚东和崔日鲜[35]对小麦冠层图像的分割算法中也发现a*色彩特征变量的重要性，这可能是本文中a*色彩特征对分类超平面Z的贡献率最大的原因（公式13，其贡献系数为0.753）。HSV色彩空间也被用于降低光强对色彩指标分割算法的影响[23]，本文结果表明，水稻冠层图像中水稻和背景像元的S色彩特征的双峰现象明显（重叠率为4.37%，图1）。但是，S色彩特征对分类超平面Z的贡献率较小，这可能是由于在分类超平面Z的构成因素中，表征水稻叶色的变量占了主导地位（2个，g和a*色彩特征变量），从而降低了明度（S）的重要性。由分类超平面Z的计算公式（公式13）可见，色彩特征指标a*的贡献率最大，其次是g色彩特征，第三是b*，S的贡献率最小。其中，a*色彩特征的双峰性最明显，其次是b*和S色彩特征，g双峰性相对较差。g色彩特征在分类超平面Z中的贡献率较大，可能是由于植物叶片和背景对绿光的反射率差异较大[35]。