共 23 条
基于K-means聚类的柑橘红蜘蛛图像目标识别
被引：42
作者：
李震
[1
,2
,3
]
洪添胜
[1
,2
,3
]
曾祥业
[1
,2
,3
]
郑健宝
[1
,2
,3
]
机构：
[1] 南方农业机械与装备关键技术教育部重点实验室
[2] 国家柑橘产业技术体系机械研究室
[3] 华南农业大学工程学院
来源：
基金：
广东省科技计划;
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;
D O I：
暂无
中图分类号：
TP391.41 [];
学科分类号：
080203 ;
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。
引用
收藏
页码：147 / 153+299
+299
页数：8
相关论文