粒子群与K均值混合聚类的棉花图像分割算法
Computer Engineering and Applications(2013)
摘要
棉花分割是采棉机器人视觉系统的关键步骤,在强光照、阴影等复杂的棉田环境下准确有效地分割棉花,有助于确定其在三维空间的位置。针对棉花图片的特点,提出在YCbCr颜色空间下,采用粒子群(PSO)和K均值混合聚类算法,提高了聚类算法的全局搜索能力,根据群体适应度方差来确定K均值聚类算法操作时机,增强算法局部精确搜索能力的同时缩短了收敛时间。通过对棉田环境中拍摄图像的分割实验表明:本方法对在阳光直射及阴影等干扰条件下的棉花图片也能准确分割,效果优于传统PSO和K均值算法。
更多查看译文
关键词
cotton segmentation,K-means algorithm,YCbCr color space,Particle Swarm Optimization(PSO)algorithm
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要