基于自适应密度聚类的青花椒果序检测方法

    公开(公告)号:CN116030274A

    公开(公告)日:2023-04-28

    申请号:CN202211163387.3

    申请日:2022-09-23

    Abstract: 本发明提供的一种基于自适应密度聚类的青花椒果序检测方法,包括以下步骤:采集青花椒图像信息,将青花椒图像信息划分为多个单元区,并从各单元区中提取HOG特征,得到HOG特征图;基于HOG特征图确定出方向‑强度联合特征图I;采用ExGR指标对原始青花椒图像进行植物区域分割,提取出绿色植物区域,并对绿色植物区域进行标记得到标记矩阵PM;将方向‑强度联合特征图I和绿色植物区域矩阵PM进行融合得到融合特征图F;对融合特征图F进行均值滤波,并由滤波后的融合特征图F中提取出青花椒的果粒点图;采用自适应密度聚类算法对果粒点图进行聚类处理,得到青花椒的果序;通过上述方法,能够对青花椒的果序进行准确检测,从而为花椒产量的预估提供准确的数据支持。

    基于FCM算法的自适应土壤图像阴影检测方法

    公开(公告)号:CN111754501B

    公开(公告)日:2021-08-27

    申请号:CN202010619404.4

    申请日:2020-06-30

    Abstract: 本发明提供的一种基于FCM算法的自适应土壤图像阴影检测方法,包括:确定土壤图像的I分量和L分量的聚类中心;构建改进FCM算法优化模型:采用拉格朗日乘子法将改进FCM算法优化模型转换;转换后的优化模型分别对uij,vi和λj求偏导并令偏导等于零,解出uij和vi,根据步骤S4得出的隶属度uij以及聚类中心vi构建隶属度矩阵U和聚类中心矩阵V,并构建吸引权重矩阵F;初始化聚类中心矩阵V、L分量图像和I分量图像;找出聚类中心值最小的聚类中心,该聚类中心为土壤图像的阴影的聚类中心v_shadow,并提取出隶属于聚类中心为v_shadow的数据点,即为土壤图像的阴影数据点;能够对土壤图像中的阴影做出准确检测,确保检测精度,效率高。

    基于FCM算法的自适应土壤图像阴影检测方法

    公开(公告)号:CN111754501A

    公开(公告)日:2020-10-09

    申请号:CN202010619404.4

    申请日:2020-06-30

    Abstract: 本发明提供的一种基于FCM算法的自适应土壤图像阴影检测方法,包括:确定土壤图像的I分量和L分量的聚类中心;构建改进FCM算法优化模型:采用拉格朗日乘子法将改进FCM算法优化模型转换;转换后的优化模型分别对uij,vi和λj求偏导并令偏导等于零,解出uij和vi,根据步骤S4得出的隶属度uij以及聚类中心vi构建隶属度矩阵U和聚类中心矩阵V,并构建吸引权重矩阵F;初始化聚类中心矩阵V、L分量图像和I分量图像;找出聚类中心值最小的聚类中心,该聚类中心为土壤图像的阴影的聚类中心v_shadow,并提取出隶属于聚类中心为v_shadow的数据点,即为土壤图像的阴影数据点;能够对土壤图像中的阴影做出准确检测,确保检测精度,效率高。

Patent Agency Ranking