بكارگيري تبديل موجك گسسته براي بهبود تقسيم بندي تصاوير كشاورزي

using wavelet transformation for improve agriculture image segmentation

ما يك استراتژي قطعه بندي براي تصاوير كشاوزي به منظور جدا سازي موفقعيت اميز خاك و قسمت هاي سبز، بخش هاي ديگر از جمله علف هاي هرز و گياهان زراعي، مبتني بر تبديل موجك ارائه داديم. شاخص هاي گياهي براي قطعه بندي سبزينه تصاوير به طور گسترده استفاده شده اند اما هنوز مي تواند بهبود صورت گيرد. در تصاوير كشاورزي علف هاي هرز و گياهان زراعي تغييرات مكاني بالا با توزيع نامنظم و تصادفي نمايش داده مي شوند. توصيف گر بافت توانايي دريافت اين اطلاعات را دارد كه به راحتي همراه با شاخص گياهي بهبود نتايج تقسيم بندي سبزي منجر مي شود. روش پيشنهادي شامل گام هاي زير است: الف) استخراج سبزي مبتني بر شاخص پوشش هاي گياهي (ب) به كارگيري تبديل موجك به تصوير حاصل، اجازه استخراج ساختار فضايي در سه باند (افقي، عمودي و مورب) شامل اطلاعات جزئي را مي دهد. (پ) استفاده از توصيف گر بافت جهت اخذ تنوع فضايي در سه باند؛ (د) تركيب سبزي و اطلاعات بافت، در تقريب ضريب تاثير تبديل موجك براي افزايش شناسايي گياه( علف هرز و زراعي)؛ و (ج) استفاده از يك روش آستانه گيري تصوير براي شناسايي تصوير نهايي. روش ارائه شده با روش هاي موجود مورد مقايسه قرار گرفته است و كيفيت به صورت قابل قبول افزايش يافته است.

We presented a segmentation strategy for separating greenness and soil, other parts, including weeds and crops, based on wavelet transformation. Vegetation Indicators for segmentation of greenness images have been widely used, but can still be improved. In the agricultures images weeds and crops is shown high spatial variations with random irregular distribution. The texture descriptor has the ability to obtain this information, which easily alone with the vegetable index improves the vegetable segmentation results. The proposed method includes the following steps: A. Vegetable extraction based on vegetable cover index (B) Using the wavelet transform to the resulting image, it allows the extraction of spatial structure in three bands (horizontal, vertical, and diagonal), including partial information. (C) use of texture descriptors to obtain spatial diversity in three bands; (D) combined vegetable and texture information, in the approximation of the coefficient wavelet transformation to enhance plant identification (weed and crop); The proposed method is compared with existing methods and the quality has been increased as acceptable.