

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、圖像分割是指將我們感興趣的目標從背景中分割出來,分割結果的好壞直接影響后期的圖像分析和識別?;谧魑锊『D像的分割技術就是將病斑從病害圖像中分割出來,以便于后期病害的診斷和識別。支持向量機(SVM, Support Vector Machine)是基于統(tǒng)計學習理論的一種分類方法,現(xiàn)在已經被廣泛應用于很多領域,如數(shù)據(jù)分類、模式識別、圖像分割等。近年來,基于SVM的分割技術已經廣泛應用于圖像分割中,并且已取得很好的分割效果。將SVM的分類用
2、到病斑圖像的分割,其實質就是利用病變部分和綠色健康部分的像素點的不同特征,輸入到SVM分類器,供其學習,之后將學習好的分類器對整幅圖像的像素分類,病變部分一類,其他的一類,最終實現(xiàn)病斑的分割。所以,如果輸入到SVM分類器中的樣本點能夠代表大多數(shù)像素點的信息且數(shù)目盡可能少,最終就會得到真實的病斑圖像。所以,對于分割結果來說,學習樣本點的選擇很重要。傳統(tǒng)SVM圖像分割算法利用人工選擇訓練所需的像素點,但是這樣做受人的主觀影響比較大,而且費時
3、費力。如何自動選擇分布良好且能夠代表其類別的像素點,提高分割準確率的同時降低運算量,是本文的研究重點。
本研究主要內容包括:⑴對基于SVM的圖像分割方法進行深入的研究,指出了現(xiàn)存的SVM算法在進行圖像分割方面訓練樣本不能自動選取的問題。⑵基于模糊C-均值算法(FCM)的特點,文中將FCM與SVM結合起來,提出了基于FCM和SVM相結合的作物病害圖像分割算法。在將FCM用于訓練樣本自動選取的過程中,為了保證選取的訓練樣本能廣泛的
4、代表兩類圖像,對FCM進行了改進。這個過程稱之為病害的初分割。初分割后得到病害部分和綠色健康的兩部分圖像,之后各選取適量的訓練樣本,分別提取樣本的顏色和紋理屬性信息,將其進行SVM分類器的訓練,最后用訓練好的SVM分類器對圖像進行分割,最終實現(xiàn)訓練樣本自動選取的病斑圖像的分割。并將本文算法與人工選取訓練樣本分割病斑的效果進行對比。⑶在圖像分割結果評價準則方面,本文選用“分類正確率”和“直方圖”進行效果評定。⑷為了滿足用戶的需要,本文利用
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- SVM和FCM相結合的故障診斷方法的研究.pdf
- 基于FCM和SVM的腦MR圖像分割算法研究.pdf
- 基于NSCT和區(qū)域分割相結合的圖像融合新算法.pdf
- 基于FCM類型算法的自動圖像分割方法研究.pdf
- 基于改進的SVM彩色圖像分割方法研究.pdf
- 基于大津法和區(qū)域生長法相結合的彩色圖像分割方法研究.pdf
- 融合FCM和Graph Cut的圖像分割方法研究與應用.pdf
- 基于小波換和FCM的醫(yī)學圖像分割.pdf
- 基于視覺注意的SVM彩色圖像分割方法研究.pdf
- GB-FCM自然場景圖像分割方法研究.pdf
- 基于改進FCM算法的彩色圖像分割研究.pdf
- 基于FCM算法的圖像分割技術研究.pdf
- 基于顯著點和關鍵塊相結合的圖像檢索方法.pdf
- 基于多類特征的SVM圖像分割方法的研究.pdf
- 多分辨率圖像錐結合FCM的多核并行圖像分割算法研究.pdf
- 改進的FCM圖像自動分割算法研究.pdf
- SIFT特征和PGH相結合的圖像檢索方法研究.pdf
- 基于NSCT與PCNN相結合的圖像融合方法研究.pdf
- 作物葉部病害圖像處理方法研究.pdf
- 作物病害葉片圖像分割及識別中的關鍵問題研究.pdf
評論
0/150
提交評論