学术中心
基于G-互信息的植物叶片无监督分割融合新方法
发布时间:
2020-12-01
来源:
本站
作者:
PhenoTrait
植物叶片分割在植物识别方法中占有非常重要的地位。在没有叶片和背景先验信息的情况下,很难对具有复杂背景的图像进行叶片分割。在实际应用中,无监督图像分割算法的参数必须针对每幅图像进行设置,才能得到最佳的分割结果。为了克服这一问题,本文引入了新的基于G-演算的互信息方程(G-互信息方程)来寻找最佳的一致性分割,实现对五种叶子分割算法(模糊c均值,SOM和k均值在各种颜色空间或不同参数中)的结果的融合。
来自Pl @ ntLeaves数据库具有复杂背景自然区域中的样本图像
所提出方法的流程图
上述主要聚类算法的结果被视为每个像素的一个新的特征向量。利用包含不同特征向量的真值表进行快速提取降低时间复杂度。从Pl@ntLeaves数据库中生成了一个带有自然场景的叶子图像数据库(该数据库具有不同的位置和方向)对该方法进行评估。另外,使用常用数据库将提出的方法与其他方法进行比较。结果得出,本文提出的实验结果表明,在图像分割融合中使用G-演算可以改善评估参数。
预定义的30种树叶形状
修改后的数据库样本图像及其基本事实
来源:
Nikbakhsh N, Baleghi Y & Agahi H, et al. A novel approach for unsupervised image segmentation fusion of plant leaves based on G-mutual information. Machine Vision and Applications volume. https://doi.org/10.1007/s00138-020-01130-0.
推荐新闻
视频展示