收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割

袁芊芊  邓洪敏  王晓航  
【摘要】:针对目前柑橘病虫害图像数据集较少,病虫害目标复杂、散漫,难以自动定位分割的问题,提出了一种基于超像素快速模糊C均值聚类(SFFCM)与支持向量机(SVM)的农业柑橘病虫害区域分割方法。该方法充分利用了SFFCM快速、鲁棒的优点,且融合了空间信息的特点,同时避免了传统SVM在图像分割上需要人工选择样本的缺点。首先,利用改进的SFFCM分割算法对待分割图像进行预分割,得到前景和背景区域;接着利用形态学中的腐蚀和膨胀操作对前景和背景区域进行缩小,然后自动选取训练样本进行SVM模型训练;最后用训练好的SVM分类器完成整幅图像的分割。将所提方法与快速鲁棒模糊C均值聚类(FRFCM)、原始SFFCM及边缘引导网络(EGNet)这三种方法进行实验对比,结果表明所提方法的平均召回率为0.937 1,平均精确率为0.941 8,平均准确率为0.930 3,均明显优于对比算法。

知网文化
【相似文献】
中国期刊全文数据库 前3条
1 王守志;何东健;李文;王艳春;;基于核K-均值聚类算法的植物叶部病害识别[J];农业机械学报;2009年03期
2 王燕妮;贺莉;;基于多分类SVM的石榴叶片病害检测方法[J];计算机测量与控制;2020年09期
3 李海鹏;;基于SVM的植物病斑区域分割[J];科技创新与应用;2017年36期
中国硕士学位论文全文数据库 前1条
1 田洪宝;基于深度卷积神经网络的林区航拍图像虫害区域分割[D];北京林业大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978