| 基于自适应密度峰值聚类的野外紫色土彩色图像分割 |
| |
| 引用本文： | 曾绍华,唐文密,詹林庆,黄秀芬. 基于自适应密度峰值聚类的野外紫色土彩色图像分割[J]. 农业工程学报, 2019, 35(19): 200-208 |
| |
| 作者姓名： | 曾绍华 唐文密 詹林庆 黄秀芬 |
| |
| 作者单位： | 1.重庆师范大学计算机与信息科学学院，重庆401331; 2.重庆市数字农业服务工程技术研究中心，重庆401331,1.重庆师范大学计算机与信息科学学院，重庆401331; 2.重庆市数字农业服务工程技术研究中心，重庆401331,3.重庆市农业技术推广总站，重庆400121,4.重庆市永川区粮油作物技术推广站，重庆402160 |
| |
| 基金项目： | 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） |
| |
| 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。
|
| 关 键 词： | 图像分割；土壤；聚类算法；自适应；机器视觉 |
| 收稿时间： | 2019-05-11 |
| 修稿时间： | 2019-09-05 |
Color image segmentation of field purple soil based on adaptive density peaks clustering |
| |
| Zeng Shaohu,Tang Wenmi,Zhan Linqing and Huang Xiufen. Color image segmentation of field purple soil based on adaptive density peaks clustering[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(19): 200-208 |
| |
| Authors: | Zeng Shaohu Tang Wenmi Zhan Linqing Huang Xiufen |
| |
| Affiliation: | 1. College of Computer and Information Science, Chongqing Normal University, Chongqing 401331, China;2. Chongqing Center of Engineering Technology Research on Digital Agricultural Service, Chongqing 401331, China;Technology Promotion on Grain and Oil Crop, Chongqing 402160, China,1. College of Computer and Information Science, Chongqing Normal University, Chongqing 401331, China;2. Chongqing Center of Engineering Technology Research on Digital Agricultural Service, Chongqing 401331, China;Technology Promotion on Grain and Oil Crop, Chongqing 402160, China,3. Chongqing Master Station of Agricultural Technology Promotion, Chongqing 400121, China; and 4. Yongchuan Station of Agricultural Technology Promotion on Grain and Oil Crop, Chongqing 402160, China |
| |
| Abstract: | |
| |
| Keywords: | image segmentation soil clustering algorithms self-adaptation computer vision |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
|
点击此处可从《农业工程学报》下载全文 |
|
