基于Lab颜色空间的非监督GMM水稻无人机图像分割
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.6041/j.issn.1000-1298.2021.01.018

基于Lab颜色空间的非监督GMM水稻无人机图像分割

引用
为解决传统水稻冠层图像分割算法性能在很大程度上依赖于训练数据集的质量,且分割效果易受田间多变光照强度影响,导致水稻生产参数估计精度不高等问题,提出一种基于Lab颜色空间的非监督贝叶斯方法,用于田间水稻无人机图像分割.模型参数从每个独立、未标记的无人机图像直接学习获得,无需训练.不同图像会有不同的模型参数,该算法能够适应各种不同环境拍摄的图像.将提出的算法应用于分蘖后期田间水稻的无人机图像分割,并与RGB-GMM、HSV-GMM和All-GMM算法进行对比,在高度10 m图像中平均查全率、平均查准率和平均F1值分别为0.842 7、0.757 0和0.794 8,在高度15 m图像中分别为0.875 6、0.713 3和0.778 8,优于RGB-GMM、HSV-GMM和All-GMM算法.研究表明,本文提出的方法可以从复杂大田环境拍摄的无人机影像中准确提取水稻像素.

水稻、无人机、图像分割、颜色空间、高斯混合模型

52

S127;TP391.41(农业物理学)

辽宁省重点研发计划项目;国家重点研发计划项目

2021-03-08(万方平台首次上网日期,不代表论文的发表时间)

共8页

162-169

相关文献
评论
暂无封面信息
查看本期封面目录

农业机械学报

1000-1298

11-1964/S

52

2021,52(1)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn