SOFM模型在杂草图像识别中的应用

• 作者: 孙雁鸣 王焱 王磊明
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: SOFM 杂草识别 图像分割 超绿特征
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 图形与图像
• 页码范围: 98-101
• 分类号: TP391.4
• 字数: 2026字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2011.04.018

摘要

针对在杂草图像分割方面存在使用阈值分割需要选择分割阈值、图像分割精度不高等不足,本文结合超绿特征分割算法和SOFM网络,构造出一种杂草图像识别模型--G-SOFM空间聚类模型.该方法是一种无监督学习方式,不需要指定阈值,利用网络自组织、自竞争的特性,实现对杂草图像的分割.在对图像进行超绿特征处理之后,使用超绿特征的灰度和归一化两个特征向量,实现SOFM空间聚类.实验结果表明,改进的G-SOFM方法相比其他三种杂草图像分割算法的分割结果都有一定的提高,分别比HIS阈值分割、超绿特征分割、双阈值分割提高28%、20%、21%.本算法结合后期形态学去噪后,识别正确率可达94%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王焱	辽宁工程技术大学电控学院	67	368	10.0	15.0
2	王磊明	辽宁工程技术大学电控学院	1	6	1.0	1.0
3	孙雁鸣	辽宁工程技术大学电控学院	2	11	2.0	2.0