基于直觉模糊C均值聚类算法的作物病害图像分割 |
| |
引用本文: | 张晴晴,张云龙,齐国红,李瑶.基于直觉模糊C均值聚类算法的作物病害图像分割[J].安徽农业科学,2019,47(5):233-236. |
| |
作者姓名: | 张晴晴 张云龙 齐国红 李瑶 |
| |
作者单位: | 郑州大学西亚斯国际学院,河南郑州,451150;郑州大学西亚斯国际学院,河南郑州,451150;郑州大学西亚斯国际学院,河南郑州,451150;郑州大学西亚斯国际学院,河南郑州,451150 |
| |
基金项目: | 国家自然科学基金;河南省科技厅科技攻关计划;河南省科技厅科技攻关计划;河南省科技厅科技攻关计划 |
| |
摘 要: | 针对作物病害图像的病斑分割问题,提出一种直觉模糊C均值(Intuitional Fuzzy C-means,IFCM)聚类算法。通过引入隶属度、非隶属度和犹豫度3个参数来表示模糊集,从而定义了用来表示模糊集的模糊度的直觉模糊熵(IFE)这一概念,对传统的FCM算法进行改进,克服了FCM算法分割时计算目标函数容易陷入局部极小值,而且聚类数目需要提前设定初值的缺点。将预处理过的作物(以黄瓜为例)病害叶片图像作为研究对象采用该改进算法进行病斑图像分割,得到了很好的分割效果。与其他分割方法进行比较,结果表明该算法分割出来的作物病斑图像准确率高达94%以上,分割效果明显。
|
关 键 词: | IFCM算法 模糊度 作物病害 图像分割 |
Crop Disease Leaf Segmentation Method Based on Intuitional Fuzzy C-means |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|