基于随机Gabor特征的半参考农作物图像质量评价方法

doi:10.3969/j.issn.1006-2475.2020.05.012

计算机与现代化 ›› 2020, Vol. 0 ›› Issue (05): 70-.doi: 10.3969/j.issn.1006-2475.2020.05.012

基于随机Gabor特征的半参考农作物图像质量评价方法

(贵州航天智慧农业有限公司，贵州贵阳550081)

收稿日期:2019-09-15 出版日期:2020-05-20 发布日期:2020-05-21
作者简介:吴世海(1979-)，男，贵州三穗人，高级工程师，本科，研究方向：农业信息化，E-mail: wsh3247@163.com; 鲍义东(1982-)，男，浙江兰溪人，高级工程师，博士，研究方向：人工智能，E-mail: baoyidong2012@163.com。
基金资助:
贵州省科技厅重大专项项目(［2016］3001)

Reduced-reference Crop Image Quality Assessment Based on Random Gabor Feature

(Guizhou Aerospace Intelligent Agriculture Co., Ltd., Guiyang 550081, China)

Received:2019-09-15 Online:2020-05-20 Published:2020-05-21

摘要/Abstract

摘要： 伴随着农业现代化、信息化、自动化的深化改革，信息技术在其发展的进程中发挥着举足轻重的作用，并逐渐服务于农业生产的各个方面。其中，基于计算机视觉和数字图像处理技术的新型智慧农业系统已经成为农业信息化发展的研究重点和热点。为此，本文以农作物图像为研究对象，提出一种基于随机Gabor特征的半参考农作物图像质量评价方法。Gabor滤波器的核函数能够较好地描述简单视觉神经元的感受野特性，其多频率和方向特征与人眼视觉系统感知图像的方式类似。基于这个事实，采用Gabor滤波分析农作物图像的纹理和边缘分布特征，建立半参考质量评价模型。实验结果表明，本文提出的农作物图像质量评价方法能够很好地识别和感知农作物图像的质量退化，在新型智慧农业系统中发挥着重要作用。

关键词: 智慧农业, 计算机视觉, Gabor特征, 半参考质量评价

Abstract: With the deepening reform of agricultural modernization, informatization and automation, information technology plays an important role in its development process, and gradually serves all aspects of agricultural production. Among them, the new intelligent agricultural system based on computer vision and digital image processing technology has become the research focus and hotspot in the agricultural informatization development. For this reason, this paper takes crop image as the research object, and proposes a reduced-reference crop image quality assessment model based on random Gabor feature. The kernel function of Gabor filter can better describe the field characteristics of simple visual neurons. Its multi-frequency and direction characteristics are similar to the way of humans visual system which perceives images. Based on this fact, Gabor filter is used to analyze the texture and edge distribution characteristics of crop images, and a reduced-reference quality assessment model is established. The experimental results show that the crop image quality assessment model proposed in this paper can recognize and perceive the degradation of crop image quality very well, and plays an important role in the new intelligent agricultural system.

Key words: intelligent agriculture, computer vision, Gabor feature, reduced-reference quality assessment

中图分类号:

TP391

吴世海，鲍义东，陈果，陈秋实. 基于随机Gabor特征的半参考农作物图像质量评价方法[J]. 计算机与现代化, 2020, 0(05): 70-.

WU Shi-hai, BAO Yi-dong, CHEN Guo, CHEN Qiu-shi. Reduced-reference Crop Image Quality Assessment Based on Random Gabor Feature[J]. Computer and Modernization, 2020, 0(05): 70-.

参考文献

［1］刘立波,周国民. 人眼视觉特性在植物叶片图像提取中的应用［J］. 计算机工程与应用, 2009,45(19):22-25.
［2］刘立波,王剑,周国民. 水稻病害图像无参考质量评价方法研究［J］. 农机化研究, 2011,33(3):50-54.
［3］李爱华,王丽彬. 一种基于相位特征的小波域图像质量评价算法［J］. 计算机与现代化, 2015(8):112-115.
［4］〖KG-*5〗〖JP+1〗WANG Z, BOVIK A C. A universal image quality index［J］. IEEE Signal Processing Letters, 2002,9(3):81-84.
［5］蒋刚毅,黄大江,王旭,等. 图像质量评价方法研究进展［J］. 电子与信息学报, 2010,32(1):219-226.
［6］ FANG Y M, ZENG K, WANG Z, et al. Objective quality assessment for image retargeting based on structural similarity［J］. IEEE Journal on Emerging and Selected Topics in Circuits and Systems, 2014,4(1):95-105.
［7］ WANG S Q, REHMAN A, WANG Z, et al. SSIM-motivated rate-distortion optimization for video coding［J］. IEEE Transactions on Circuits and Systems for Video Technology, 2012,22(4):516-529.
［8］金波,李朝锋,吴小俊. 结合NSS和小波变换的无参考图像质量评价［J］. 中国图象图形学报, 2012,17(1):33-39.
［9］褚江,陈强,杨曦晨. 全参考图像质量评价综述［J］. 计算机应用研究, 2014,31(1):13-22.
［10］WANG Z, BOVIK A C. Modern Image Quality Assessment［M］. New York: Morgan and Claypool Publishers, 2006:13-27.
［11］SHAO F, LIN W S, GU S B, et al. Perceptual full-reference quality assessment of stereoscopic images by considering binocular visual characteristics［J］. IEEE Transactions on Image Processing, 2013,22(5):1940-1953.
［12］PEDERSEN M, HARDEBERG J Y. Full-reference image quality metrics: Classification and evaluation［J］. Foundations and Trends in Computer Graphics and Vision, 2012,7(1):1-80.
［13］李国庆,赵洋,刘青萌,等. 多层感知分解的全参考图像质量评估［J］. 中国图象图形学报, 2019,24(1):149-158.
［14］谢小甫,周进,吴钦章. 一种针对图像模糊的无参考质量评价指标［J］. 计算机应用, 2010,30(4):921-924.
［15］BRANDAO T, QUELUZ M P. No-reference image quality assessment based on DCT domain statistics［J］. Signal Processing, 2008,88(4):822-833.
［16］夏裕建,孙涵. 基于空域NSS的无参考图像质量评价［J］. 计算机与现代化, 2015(2):67-72.
［17］MA L, LI S N, ZHANG F, et al. Reduced-reference image quality assessment using reorganized DCT-based image representation［J］. IEEE Transactions on Multimedia, 2011,13(4):824-829.
［18］WANG Z, BOVIK A C, SHEIKH H, et al. Image quality assessment: From error visibility to structural similarity［J］. IEEE Transactions on Image Processing, 2004,13(4):600-612.
［19］付玉虎,杜月荣,李哲哲. 基于方向图和Gabor滤波的指纹预处理算法［J］. 计算机与现代化, 2014(1):81-85.
［20］MEHROTRA R, NAMUDURI K R, RANGANATHAN N. Gabor filter-based edge detection［J］. Pattern Recognition, 1992,25(12):1479-1494.
［21］CHEN Y S, ZHU L, GHAMISI P, et al. Hyperspectral images classification with Gabor filtering and convolutional neural network［J］. IEEE Geoscience and Remote Sensing Letters, 2017,14(12):2355-2359.
［22］ZHANG B C, GAO Y S, ZHAO S Q, et al. Local derivative pattern versus local binary pattern:face recognition with high-order local pattern descriptor［J］. IEEE Transactions on Image Processing, 2010,19(2):533-544.
［23］金明举,蒋华伟. 基于人眼视觉特性的融合图像质量评价算法［J］. 计算机与现代化, 2013(3):184-188.

[1]	赵晨阳, 薛涛, 刘俊华. 基于改进Stable Diffusion的时尚服饰图案生成[J]. 计算机与现代化, 2024, 0(12): 15-23.
[2]	王梦溪, 李峻. 老年人跌倒检测技术研究综述[J]. 计算机与现代化, 2024, 0(08): 30-36.
[3]	魏嘉焜, 王家润. 手势识别与交互综述[J]. 计算机与现代化, 2024, 0(08): 67-76.
[4]	梁天恺, 黄康华, 刘凯航, 兰岚, 曾碧. 基于双向同态加密的深度联邦图片分类方法[J]. 计算机与现代化, 2023, 0(12): 36-40.
[5]	吴松林, 张国伟, 卢秋红, 施建壮, 黄威. 融合视觉信息的激光SLAM[J]. 计算机与现代化, 2023, 0(02): 17-23.
[6]	黄延辉, 兰海, 魏宪. 基于可分离结构变换的轻量级Vision Transformer[J]. 计算机与现代化, 2022, 0(10): 75-81.
[7]	李伟强, 王东, 宁政通, 卢明亮, 覃鹏飞. 计算机视觉下的果实目标检测算法综述[J]. 计算机与现代化, 2022, 0(06): 87-95.
[8]	袁梦, 于小雨. 基于音视一致性的音视人眼关注点检测[J]. 计算机与现代化, 2022, 0(04): 103-109.
[9]	王天星, 袁家斌, 刘昕. 基于同等注意力图网络的视觉问答方法[J]. 计算机与现代化, 2021, 0(11): 1-6.
[10]	陈晓雷, 王星星, 申浩阳. 智慧农业中时序数据组合预测模型[J]. 计算机与现代化, 2021, 0(09): 121-126.
[11]	周经纬, 韩立新, 李晓双. 基于多模态数据的目标跟踪算法[J]. 计算机与现代化, 2020, 0(11): 16-22.
[12]	朱大庆, 曹国. 基于全卷积网络的砂石图像粒径检测[J]. 计算机与现代化, 2020, 0(07): 111-116.
[13]	陈川, 陈柘, 丁双惠. 深度学习发展形势下计算机视觉教学内容革新[J]. 计算机与现代化, 2020, 0(06): 107-.
[14]	曹燕,李欢,王天宝. 基于深度学习的目标检测算法研究综述[J]. 计算机与现代化, 2020, 0(05): 63-.
[15]	罗伟，梁世豪，姜鑫，安妮，杜锐. 基于深度学习的野外露头区岩石裂缝识别[J]. 计算机与现代化, 2020, 0(05): 56-.

基于随机Gabor特征的半参考农作物图像质量评价方法

Reduced-reference Crop Image Quality Assessment Based on Random Gabor Feature

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价