计算机应用

作者：袁芊芊, 邓洪敏, 王晓航

单位：四川大学 电子信息学院, 成都 610065

关键词：图像分割,模糊C均值聚类,支持向量机,柑橘病虫害

针对目前柑橘病虫害图像数据集较少，病虫害目标复杂、散漫，难以自动定位分割的问题，提出了一种基于超像素快速模糊C均值聚类（SFFCM）与支持向量机（SVM）的农业柑橘病虫害区域分割方法。该方法充分利用了SFFCM快速、鲁棒的优点，且融合了空间信息的特点，同时避免了传统SVM在图像分割上需要人工选择样本的缺点。首先，利用改进的SFFCM分割算法对待分割图像进行预分割，得到前景和背景区域；接着利用形态学中的腐蚀和膨胀操作对前景和背景区域进行缩小，然后自动选取训练样本进行SVM模型训练；最后用训练好的SVM分类器完成整幅图像的分割。将所提方法与快速鲁棒模糊C均值聚类（FRFCM）、原始SFFCM及边缘引导网络（EGNet）这三种方法进行实验对比，结果表明所提方法的平均召回率为0.937 1，平均精确率为0.941 8，平均准确率为0.930 3，均明显优于对比算法。

来源：2021年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第2期