期刊专题

10.3778/j.issn.1002-8331.1608-0084

基于SLIC方法的光照偏强农田图像分割研究

引用
精准农业是未来农业发展的趋势,而农田图像分割是精准农业的前提与基础.针对光照偏强条件下农田图像高光点区域丢失植物绿色特征对图像分割质量的影响,以SLIC方法和YCrCb颜色空间中的Cg分量为基础,利用不同分类器实现光照偏强条件下农田图像分割的研究.首先采用SLIC对农田图像进行预处理,获取超像素模块;为避免植物叶面因光照偏强出现高光点区域丢失部分绿色特征,引入YCrCb颜色空间模型中的Cg分量和超绿颜色因子提取特征;为避免监督学习对训练样本要求高,采用半监督学习,将有标签样本和无标签样本进行混合;最后采用不同的分类器进行图像分割,并对实验结果采用混淆矩阵和Kappa系数进行评价.对比实验结果可得,采用距离判别法核函数为diagQuadratic的图像分割效果较其他方法较好,分割正确率较高.

图像分割、不同分类器、简单的线性迭代聚类(SLIC)方法、Cg分量、光照偏强

54

TP391(计算技术、计算机技术)

国家自然科学基金31101075;国家高技术研究发展计划8632013AA10230402;西安市科技计划项目No. NC15042

2018-01-26(万方平台首次上网日期,不代表论文的发表时间)

共5页

177-181

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

54

2018,54(2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn