SOFM算法在圖像識別中的應(yīng)用研究.pdf

1、圖像作為人類最重要的信息來源,有著直觀性、易理解性。隨著科學技術(shù)的發(fā)展,尤其是計算機和數(shù)字圖像技術(shù)的發(fā)展,出現(xiàn)了很多新理論,新方法,新算法,新手段和新技術(shù),而且在科學研究、農(nóng)業(yè)監(jiān)控、工業(yè)生產(chǎn)等方面得到了應(yīng)用,對社會的發(fā)展,人們生活水平的提高都有很多的貢獻。在精準農(nóng)業(yè)尤其是大棚農(nóng)業(yè)的相關(guān)管理中需要對生長作物的生長信息,進行有效地采集和提取,使用這些圖像信息就可以用來對它的生長狀況或者果實的采集,雜草的清除,各種營養(yǎng)的噴灑等進行控制。本文在

2、總結(jié)國內(nèi)外相關(guān)研究的基礎(chǔ)上,以大棚植被圖像為研究對象,重點研究圖像的顏色特征,圖像灰度特征,以及對于圖像分類特征的提取及識別方法。針對在雜草圖像分割方面的存在不足之處,結(jié)合超綠特征分割算法和SOFM網(wǎng)絡(luò),構(gòu)造出一種雜草圖像識別模型G-SOFM空間聚類模型。該方法通過在超綠特征的處理之后,使用超綠特征的灰度和歸一化的兩個特征向量,實現(xiàn)SOFM空間聚類。實驗結(jié)果表明改進的G-SOFM方法比超綠特征分割平均提高20％。本算法結(jié)合后期形態(tài)學去噪