SOFM模型在杂草图像识别中的应用

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

所属期刊栏目：33

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2011-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：98-101