文献类型：期刊文章

作　　者：毛罕平[1] 张艳诚[1] 胡波[1]

机构地区：[1]江苏大学现代农业装备与技术省部共建教育部重点实验室/江苏省重点实验室,镇江212013

出　　处：《农业工程学报》

基　　金：江苏省高校自然科学重大基础研究项目(05KJA21018)

年　　份：2008

卷　　号：24

期　　号：9

起止页码：136-140

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20084611702579)、FSTA、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：为提高作物病害图像的分割效果,根据作物病害图像的特点,提出了一种基于模糊C均值聚类算法(FCM)的作物病害图像自适应分割方法。该方法将像素的灰度与其邻域均值作为FCM的输入特征,变换FCM的隶属度函数使其包含图像的局部邻域特性;通过聚类有效性验证分析和试验确定模糊C均值聚类算法(FCM)的最优聚类数、模糊加权指数。运用该方法对棉花病害叶片图像进行分割。结果表明:该方法能较好将病斑部分和正常部分分割开,平均分割误差率小于5%,对作物病害图像的分割处理非常有效。

关 键 词：图像分割 作物病害 计算机视觉 模糊C均值聚类 参数选择

分 类 号：TN911.73] S126]