基于改进OTSU算法的快速作物图像分割

论文摘要

针对OTSU算法时间复杂度高、实时性差等缺点,结合粒子群算法（particle swarm optimization,简称PSO）提出了一种新的自适应动态参数控制PSO+OTSU算法。通过自适应动态调整惯性权重因子和学习因子,让处在不同位置的粒子做自己最擅长的事情,从而达到算法满足实时性的目的。通过研究自然农田环境下作物图像,提出了一种改进超绿作物图像灰度化方法。结果表明,提出的自适应算法比标准PSO+OTSU算法运行时间缩短了12.7%,错分率方差缩小了26.3%,具有更好的实时性和稳定性。最后在不同光照、不同复杂背景、不同作物植株条件下进行验证试验,都取得了很好的分割效果,说明改进算法同时具有很强的健壮性。

论文目录

• 1 算法介绍与设计
•   1.1 颜色模型选择
•   1.2 传统OTSU算法
•   1.3 标准粒子群算法
•   1.4 改进粒子群算法
•     1.4.1 对算法的改进
•     1.4.2 改进粒子群算法的流程
• 2 图像采集与试验设计
•   2.1 环境与图像采集
•   2.2 试验设计
• 3 结果与分析
•   3.1 分割精度对比试验
•   3.2 分割效率对比试验
•   3.3 稳定性对比试验
•   3.4 健壮性测试试验
• 4 结论

文章来源

类型: 期刊论文

作者: 白元明,孔令成,张志华,赵江海,戴魏魏

关键词: 图像分割,粒子群算法,最大类间方差法,超绿图像,学习因子,惯性权重因子

来源: 江苏农业科学 2019年24期

年度: 2019

分类: 农业科技,信息科技

专业: 农业基础科学,计算机软件及计算机应用

单位: 常州大学信息科学与工程学院,中国科学院合肥物质科学研究院先进制造技术研究所,南京国际船舶设备配件有限公司技术信息研发部

基金: 国家自然科学基金(编号:61703390),江苏省重点研发计划(编号:BE2017007-1)

分类号: TP391.41;S126

DOI: 10.15889/j.issn.1002-1302.2019.24.054

页码: 231-236

总页数: 6

文件大小: 3908K

下载量: 421