文献类型：期刊文章

作　　者：项荣[1] 张杰兰[1]

XIANG Rong;ZHANG Jielan(College of Quality and Safety Engineering, China Jiliang University, Hangzhou 310018, China)

机构地区：[1]中国计量大学质量与安全工程学院,杭州310018

出　　处：《农业机械学报》

基　　金：浙江省自然科学基金项目(LY17C130006)。

年　　份：2020

卷　　号：51

期　　号：3

起止页码：130-137

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为实现番茄植株夜间图像分割,设计了一种基于最大类间方差法的改进脉冲耦合神经网络(PCNN)图像分割算法。该算法对传统PCNN模型中的链接输入项进行加权处理,在进行图像分割前,先基于最大类间方差(Otsu)算法获得阈值,再将该阈值赋值给改进PCNN模型中的链接输入项权值、突触链接系数β、链接权放大系数VE和阈值迭代衰减时间常数αE。对849幅番茄植株夜间图像进行试验,结果表明,图像分割正确率平均值为90.43%,平均每幅图像分割时间为0.9944 s;输入链接项的加权处理可减少PCNN的迭代次数,提高算法的实时性;基于Otsu算法可实现改进PCNN模型的网络参数自适应设置。基于视觉效果、最大熵及分割正确率这3项评价指标的对比分析显示,改进PCNN模型的分割效果优于Otsu算法和传统PCNN模型,实时性优于传统PCNN模型。

关 键 词：番茄植株 夜间图像  脉冲耦合神经网络 图像分割

分 类 号：TP391.41]