复杂背景与天气条件下的棉花叶片图像分割方法

• 作者: 冯全 吴建寨 孔繁涛 张建华 李凯 韩书庆
• 来源期刊: 中国农业大学学报
• 学科: 工学
• 关键词: 棉花叶片 复杂背景 天气条件 K均值聚类 粒子群优化(PSO) 图像分割
• 年，卷（期）: 2018,（2）
• 页码范围: 88-98
• 页数: 11页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.11841/j.issn.1007-4333.2018.02.12

摘要

为实现自然条件下棉花叶片的精准分割,提出一种粒子群(Particle swarm optimization,PSO)优化算法和K-means聚类算法混合的棉花叶片图像分割方法.本算法将棉花叶片图像在RGB颜色空间模式下采用二维卷积滤波进行去噪预处理,并将预处理后的彩色图像从RGB转换到目标与背景差异性最大的Q分量、超G分量、a*分量;随后在K均值聚类的一维数据空间中,利用PSO算法向全局像素解的子空间搜寻,通过迭代搜寻得到全局最优解,确定最佳聚类中心点,改善K均值聚类的收敛效果;最后,对像素进行聚类划分,从而得到棉花叶片分割结果.按照不同天气条件和不同背景采集了1 200幅棉花叶片样本图像,对本研究算法进行测试.试验结果表明:该算法对于晴天、阴天和雨天图像中目标(棉花叶片)分割准确率分别达到92.39％、93.55％、88.09％,总体平均分割精度为91.34％,并与传统K均值算法比较,总体平均分割精度提高了5.41％.分割结果表明,本研究算法能够对3种天气条件(晴天、阴天、雨天)与4种复杂背景(白地膜、黑地膜、秸秆、土壤)特征混合的棉花叶片图像实现准确分割,为棉花叶片的特征提取与病虫害识别等后续处理提供支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯全	甘肃农业大学机电工程学院	64	369	11.0	14.0