基于改进k-means算法的猕猴桃叶部病斑分割方法
为了提高植物病害图像的分割精度和分割效果,减弱经k-means算法RGB(Red Green Blue)颜色分量高度线性相关以及欧氏距离的尺度相关性对图像分割结果产生的影响,并克服RGB空间色彩分布不匀的缺陷,提出了一种基于Lab颜色空间的改进k-means的猕猴桃叶部病害图像分割方法.首先改变颜色空间,将RGB转换为Lab空间,由L、a、b3分量组合表示每个像素点.其次,将马氏距离代替欧氏距离进行改进,用改进后的k-means算法对图像进行聚类.利用该方法对三种猕猴桃病害图像进行测试,实验结果表明,本文算法可以有效地将猕猴桃病害图像中的病斑图像分割,分割准确率高,并具有较高的鲁棒性.
猕猴桃叶部病害、Lab颜色空间、k-means算法、马氏距离、欧氏距离
16
TP391(计算技术、计算机技术)
河南省教育厅高等学校重点科研项目;河南省科技厅重点研发与推广专项科技攻关项目;郑州西亚斯学院2019年度校级科研基金资助项目;河南省教育厅民办普通高校学科专业建设资助项目;河南省高等学校青年骨干教师培养计划
2020-10-21（万方平台首次上网日期，不代表论文的发表时间）
共3页
19-21
