基于 K-means 聚类的柑橘红蜘蛛图像目标识别

摘要：

为快速检测红蜘蛛虫害,该研究采用基于 Lab 颜色模型中 a(红/绿)、b(黄/蓝)层信息的 K-means 聚类法识别彩色图像中的红蜘蛛.试验选取8幅具有不同清晰度的柑橘红蜘蛛图像,采用基于 Sobel 边缘检测算子的评价函数计算图像清晰度评价值以评价图像清晰度,对比采用灰度法和包含2、3、4或5个聚类中心的 K-means聚类法的目标识别效果和识别效率.结果表明,灰度法对8幅图像中红蜘蛛目标识别率平均值为29%,误判率平均值为201%,无法应用于复杂背景图像中的红蜘蛛目标识别.包含5个聚类中心的 K-means 聚类法对清晰度较高的图像识别率为100%,误判率为0,对清晰度较低的图像识别率为88%,误判率为0;当图像尺寸较小时,包含4个聚类中心的 K-means 聚类法识别效率与灰度法相当;当图像尺寸较大时,重复计算聚类中心导致识别耗时较长;基于 Lab 颜色空间的识别算法无法有效识别其他颜色的红蜘蛛,继续研究的方向为引入红蜘蛛形态信息以提高识别准确率和优化聚类中心的选取以降低识别耗时.

关键词：聚类算法、识别、图像处理、K-means 聚类、目标识别、柑橘、红蜘蛛、机器视觉

分类号：TP79;S666(遥感技术)

在线出版日期：2013-01-15（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：147-153