HSV空间下改进的直觉模糊C均值聚类猪肉图像检测

摘要：

利用计算机视觉技术对畜肉分级的方法种类繁多,但由于光照因素使前期图像预处理分割目标和背景的工作难度增大.针对传统的最大类间方差法分割图像效果不佳、噪声适应能力不强的问题,以及核磁共振、高光谱成像等无损检测方法大多存在检测仪器体积大、不便于携带、成本高等问题,提出利用色调、饱和度、明度(Hue,Saturation,Value,HSV)色彩空间结合聚类方法对图像像素点进行聚类分割.在对取自自然光照环境中的猪肉图像进行分割时,所提方法相对于传统聚类分割方法分割正确率平均提高1.46％;在对人工加入了0.1椒盐噪声和0.2椒盐噪声的图像进行分割时,该方法相对于传统方法表现出了更好的抗噪声能力,传统分割方法平均错误率分别升高了16.15％和38.28％,该方法平均错误率仅升高了1.57％和1.49％.该方法具有良好的分割准确率和噪声鲁棒性,提高了目标区域的检测精度,减少了图像预处理阶段的信息丢失,提高了畜肉分级方法的质量.

关键词：计量学;畜肉分级;图像分割;C均值聚类;直觉模糊熵;HSV;猪肉检测

所属期刊栏目：42

分类号：TB96(计量学)

资助基金：河北省自然科学基金60903098

在线出版日期：2021-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：986-992