自然场景下苹果图像FSLIC超像素分割方法

发布时间：2017-11-24 00:15

  本文关键词：自然场景下苹果图像FSLIC超像素分割方法

  更多相关文章： 苹果图像 超像素分割 自然场景 简单线性迭代聚类

【摘要】：应用Cauchy-Schwarz不等式,推导出一个聚类搜索过程中剥离不必要计算的条件,早期预估后舍掉符合预设条件的候选聚类,提出了基于自然场景的快速简单线性迭代聚类算法(FSLIC算法)。对包含极端恶劣条件下的500幅苹果图像进行了边界召回率检验和运行速度测试;统计了极端恶劣条件下的30幅苹果图像的全局错误率GCE、假阳性率FPR和假阴性率FNR。试验表明,提出的FSLIC算法减小了后续迭代过程中的冗余误差,边界召回率较GB超像素分割算法平均提高了21.7%,速度是GB超像素分割算法的1.83倍;整个图像分割过程中基于超像素的分割算法(GB、FSLIC)的GCE值较常规分割算法(BP、WT、SVM)平均减小了13%,较常规算法的GCE值减小了19%。
【作者单位】： 南京农业大学工学院;江苏省智能化农业装备重点实验室;
【基金】：国家自然科学基金项目(31401291) 江苏省自然科学基金项目(BK20140720;BK20140729) 中央高校基金科研业务费专项资金项目(KYZ201325)
【分类号】：S661.1;TP391.41
【正文快照】： 引言室外自然环境下农田果园作业场景复杂,自然光照随时间变化较大,从早晨或黄昏的弱大气光到中午的强太阳光,光照的强度和颜色都存在一定差异;不同生长时期的植物获取的田间图像光照条件不同,颜色变化明显;果树枝叶遮挡、多果邻接及重叠遮挡都会产生各种不同形式的阴影。果园，

本文编号：1220347