Cabbage/Weed Discrimination with a Region/Contour Based Segmentation Approach for Multispectral Images
Abstract
Image segmentation on outdoor images is a difficult task because it comes up against the complexity and the variability of objects to detect and also of natural phenomena as shadows, highlights, partially overlapping objects. These difficulties conducts us to develop an adapted segmentation tool to this context. Furthermore, accordingly to the development of multispectral sensors, it seems interesting to propose a methodology adapted to multispectral images. Indeed, the segmentation process takes advantage of complementary informations. Our approach consists firstly in carrying out an image over-segmentation y use of a region growing algorithm and secondly, in labeling the obtained regions in c+1 classes with c equal to the number of class object to detect. The c+1 label allows us to distinguish regions having ambiguous properties (undetermined regions). To remove this ambiguity, a collaborative contour/region approach is applied on these undetermined regions. This approach has been tested on a set of cabbage images at different growth levels. In each image, all pixels have been labeled by hand for validation process. The results obtained by this method are compared with those obtained by a direct region growing segmentation.
L'imagerie multispectrale apparait comme un outil adapté à l'analyse des images prises en milieu extérieur. En effet, les procedés de segmentation peuvent etre basés sur les attributs des pixels qui reflètent certaines propriétés spectrales spécifiques des objets naturels. Cependant, certains outils de segmentation effectuent une classification directe des pixels dans l'espace des attributs sans tenir compte des relations spatiales. Nous proposons dans cet article une approche de segmentation d'images multispectrales prenant en compte cette dimension à un niveau région. Dans un premier temps, les régions homog´enes de l`images sont déterminées à l`aide d`un algorithme de segmentation type croissance de région. Les régions ainsi déterminées sont ensuite labellisées en tenant compte des attributs des pixels. Cependant, certaines d`entre elles restent indéterminées. Ces indéterminations seront par la suite levées à l'aide de règles de d´ecision prenant en compte les labels des r´egions adajacentes et leurs frontières communes. Les résultats obtenus sur des images RGB prisent en milieu extérieur pour la discrimination de plantes de choux et d`adventices sont ensuite présentées et discutées.