基于K均值聚类和数学形态学的小麦彩色图像分割

被引：16

作者：

何建斌

梁威

李晓明

机构：

[1] 郑州轻工业学院电气信息工程学院

来源：

浙江农业学报 | 2011年 / 23卷 / 04期

关键词：

K均值聚类; 数学形态学; L*a*b*色彩空间;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

对小麦植株图像进行分割,是将机器视觉技术应用到动态监测小麦生长状况的基础。采用K均值聚类和数学形态学相结合的方法进行分割,充分利用了小麦植株颜色和背景颜色的差异。首先根据图像色彩对图像进行聚类,然后对聚类后的图像进行形态学开运算,实现了小麦植株与背景的分离,并达到了较好的效果。

引用

页码：829 / 832

页数：4

共 6 条

[1]

数字图像处理.[M].(美) 冈萨雷斯 (Gonzalez;R.C.) ; 著.电子工业出版社.2003,

[2] 一种CIELab颜色空间中的车牌定位方法 [J].

郑成勇 .

五邑大学学报(自然科学版), 2010, 24 (01) :21-26

[3] 一种K-均值脸谱图聚类新算法 [J].

王金甲 ;

洪文学 ;

李昕 .

仪器仪表学报, 2007, (10) :1916-1920

[4] 彩色图像分割方法综述 [J].

林开颜 ;

吴军辉 ;

徐立鸿 .

中国图象图形学报, 2005, (01) :1-10

[5] 基于综合特征的图像分割 [J].

田玉敏 ;

梅丽霞 .

计算机工程与应用, 2004, (20) :92-94

[6] 计算机视觉在农产品检测中的应用 [J].

王桂琴 ;

杨子彪 ;

郑丽敏 ;

朱虹 ;

廖树华 ;

单成钢 ;

吴富宁 .

中国农业科技导报, 2003, (03) :52-56

← 1 →