基于量子粒子群的柑橘果实图像约束聚类分割算法

为降低果蔬采摘机器人图像处理系统的分割错误率,提出基于量子粒子群的柑橘果实图像约束聚类分割算法。首先,将读入的RGB模式柑橘果实彩色图像转换成灰度图像;然后采用具有随机遍历性的量子粒子群全局寻优策略,结合对图像中的少量模糊和不确定点具有良好适应性的约束聚类方法,对柑橘图像进行分割。从采集的柑橘果实彩色图像中分别取遮挡柑橘图像与重叠柑橘图像,使用本算法进行分割试验,并分别与OTSU算法、模糊聚类图像分割算法、量子粒子群图像分割算法进行比较试验。结果表明,本算法具有更低的分割错误率以及更高的峰值信噪比。     

融合马尔可夫随机场与量子粒子群聚类的棉花图像分割算法

【目的】提高采摘机器人棉花图像处理系统中的图像分割准确率。【方法】提出融合马尔可夫随机场与量子粒子群聚类的图像分割算法。步骤:将读入的RGB模式彩色图像转换成灰度图像;利用本算法分割图像;通过对连通区域面积阈值的设定获取目标区域。使用本算法分割不同角度采集的棉花正面图像与棉花侧面图像,并采用分割精度、峰值信噪比,分别与Otsu算法、模糊聚类图像分割算法、量子粒子群图像分割算法和马尔可夫随机场图像分割算法进行效果比较。【结果】本算法分割精度、峰值信噪比平均值分别为98.94%、77.48dB,与Otsu算法、模糊聚类图像分割算法、量子粒子群图像分割算法、马尔科夫随机场图像分割算法相比,分割精度、峰值信噪比分别提高2.47~4.56百分点、9.81~13.11 dB。【结论】本算法处理棉花图像具有更高的分割精度以及峰值信噪比。