文章目录

0 引言

1 试验方法

1.1 RGB到Lab颜色空间

1.2 改进K-means聚类算法

    1.2.1 初始聚类中心点选取

    1.2.2 距离度量优化

2 实验设计与结果分析

2.1 实验设计

2.2 实验结果

2.3 分析

3 结语

文章摘要:为了提高玉米叶部病害图像分割的准确率,提出一种基于Lab颜色空间的改进K-means聚类算法。针对叶部病害图像中病斑区域与正常区域存在的颜色差异性,选择在Lab颜色空间进行分割处理。采用K-means聚类算法在分割过程中会存在初始聚类中心点难以确定、分割时间较长、边缘信息分割不完善等问题,文中通过两方面对K-means聚类算法进行改进:首先是在Lab颜色空间中的a,b两个颜色通道搜寻波峰,确定初始聚类中心点的位置和数量;其次是用马氏距离替换欧氏距离进行距离度量的优化。应用改进后的K-means聚类算法对60幅玉米病害图像进行分割,平均误分率为5.72%,平均分割时间为6.69 s,与传统的分割方法相比,分割准确率提升,分割时间缩短。实验结果表明,改进K-means算法能实现玉米叶部病害图像的快速、准确分割。

文章关键词:

论文DOI:10.16652/j.issn.1004-373x.2021.22.027

论文分类号:TP391.41;S435.131

上一篇：农业基础科学论文_关中不同类型土壤硒含量特征
下一篇：没有了