摘要:针对在杂草图像分割方面存在使用阈值分割需要选择分割阈值、图像分割精度不高等不足,本文结合超绿特征分割算法和SOFM网络,构造出一种杂草图像识别模型——G-SOFM空间聚类模型。该方法是一种无监督学习方式,不需要指定阈值,利用网络自组织、自竞争的特性,实现对杂草图像的分割。在对图像进行超绿特征处理之后,使用超绿特征的灰度和归一化两个特征向量,实现SOFM空间聚类。实验结果表明,改进的G-SOFM方法相比其他三种杂草图像分割算法的分割结果都有一定的提高,分别比HIS阈值分割、超绿特征分割、双阈值分割提高28%、20%、21%。本算法结合后期形态学去噪后,识别正确率可达94%。
关键词:sofm 杂草识别 图像分割 超绿特征
单位:辽宁工程技术大学电控学院 辽宁葫芦岛125100
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
Progress in Natural Science:Materials International Journal of Systems Science and Systems Engineering Journal of Systems Science and Complexity Journal of Systems Engineering and Electronics Science China Technological Sciences Chinese Annals of Mathematics,Series B Chinese Optics Letters Biomedical and Environmental Sciences Chinese Annals of Mathematics Series B The Journal of China Universities of Posts and Telecommunications