基于自适应密度峰值聚类的野外紫色土彩色图像分割

论文摘要

野外自然环境下采集的紫色土图像背景复杂,将紫色土区域从背景中分割出来是应用机器视觉对紫色土进一步分析处理的首要工作。该文提出基于自适应密度峰值聚类的野外紫色土彩色图像分割算法。该方法首先构造基于熵的相似度矩阵,从而建立基于类间方差最大化类内方差最小化准则的灰度变换优化模型,求解优化模型获得一个提升了紫色土与背景间分离特性的灰度图像。然后,构建无参的密度公式和一个中心决策度量来自动获取聚类中心,实现在密度峰值聚类算法框架下紫色土图像的自适应分割。最后,设计边界提取与区域填充的后处理算法获得完整的紫色土土壤区域图像。通过使用常规样本集、鲁棒样本集试验测试,结果显示:该文分割算法的初分割平均分割精度分别为93.45%和87.40%,比采用原始密度峰值聚类算法的平均分割精度分别提高3.16和12.47个百分点。经该文算法初分割、后处理,平均分割精度分别提高到96.30%和91.63%,平均耗时分别为0.36和0.35 s。研究结果为野外紫色土彩色图像的自适应分割提供参考。

论文目录

• 0 引言
• 1 图像采集
• 2 紫色土彩色图像分割方法
•   2.1 可分离性彩色图像灰度变换
•     2.1.1 图像相似度矩阵
•     2.1.2 灰度变换优化模型
•   2.2 自适应聚类中心的密度峰值聚类
•     2.2.1 定义密度和距离度量
•     2.2.2 自适应确定聚类中心
•   2.3 分割图像的后处理
•     2.3.1 图像土壤区域边界提取
•     2.3.2 图像土壤区域区域填充
• 3 试验结果与分析
•   3.1 试验设计
•   3.2 结果与分析
•     3.2.1 灰度变换对比试验结果与分析
•     3.2.2 分割效果对比试验结果与分析
• 4 结论

文章来源

类型: 期刊论文

作者: 曾绍华,唐文密,詹林庆,黄秀芬

关键词: 图像分割,土壤,聚类算法,自适应,机器视觉

来源: 农业工程学报 2019年19期

年度: 2019

分类: 农业科技,基础科学,信息科技

专业: 自然地理学和测绘学,农业基础科学,农艺学,计算机软件及计算机应用

单位: 重庆师范大学计算机与信息科学学院,重庆市农业技术推广总站,重庆市永川区粮油作物技术推广站

基金: 国家自然科学基金(11671062),重庆市教委科学技术研究重点项目(KJZD-201900505),重庆市研究生科研创新项目(CYS19294)

分类号: TP391.41;S155.25

页码: 200-208

总页数: 9

文件大小: 2173K

下载量: 204