基于改進(jìn)FCM算法的彩色圖像分割研究.pdf

1、隨著農(nóng)業(yè)科技的發(fā)展，機(jī)器視覺技術(shù)在農(nóng)業(yè)設(shè)備中的應(yīng)用日益廣泛。識別農(nóng)作物目標(biāo)的準(zhǔn)確度主要依賴于目標(biāo)分割的精度。大多數(shù)現(xiàn)有的花卉圖像分割方法只能局限于對部分特定的花卉圖像進(jìn)行處理，不具備普遍適用性。因此，從各種復(fù)雜的背景中分割出不同種類和顏色的花朵目標(biāo)，對改善圖像分割算法的普適性有著重大的意義。
　　首先，在圖像分割中，模糊C-均值聚類算法(Fuzzy C-Means Algorithm，F(xiàn)CM)具有簡單、直觀、易于實(shí)現(xiàn)等優(yōu)點(diǎn)，但同時(shí)

2、又有對噪聲高度敏感的不足，因而文中提出了一種結(jié)合像素鄰域信息的改進(jìn)FCM圖像分割算法。該算法利用標(biāo)準(zhǔn)FCM對圖像進(jìn)行分割得出初步結(jié)果，結(jié)合圖像像素的鄰域信息查找出圖像中的噪聲點(diǎn)，通過修正噪聲點(diǎn)的隸屬度值，消除噪聲對分割結(jié)果造成的影響。
　　其次，為改善細(xì)菌覓食優(yōu)化算法(Bacterial Foraging Optimization Algorithm，BFO)本身的缺陷，即迭代過程中因種群多樣性損失較快而易陷入局優(yōu)的問題，本文將差

3、分進(jìn)化思想和BFO結(jié)合。在BFO的趨向性操作和繁殖操作中使用差分策略更新細(xì)菌位置，從而保證群體內(nèi)的多樣性不會隨著算法迭代的進(jìn)行而過快降低；對算法中細(xì)菌位置更新方式進(jìn)行了改進(jìn)，通過逐維更新每一個(gè)維度信息而非一次更新一個(gè)細(xì)菌所有維度信息的方式，充分利用了每一次位置改變帶來的有利信息，從而大幅提高了算法尋找到全局最優(yōu)值的效率和精度。
　　最后，為了解決自然場景下各種顏色花朵目標(biāo)的準(zhǔn)確提取問題，提出了一種自適應(yīng)圖像數(shù)據(jù)源的彩色圖像分割方案

4、。通過將改進(jìn)后的BFO算法與FCM結(jié)合，達(dá)到改善標(biāo)準(zhǔn)FCM的全局搜索性能、加快算法收斂速度的目的；同時(shí)，提出了一種新的模糊聚類評價(jià)函數(shù)去評估一張圖像在不同數(shù)據(jù)源下分割結(jié)果的質(zhì)量，從而使本文的圖像分割方法在不同顏色的花卉目標(biāo)和復(fù)雜的自然背景下均能取得較好的分割結(jié)果。
　　本文對真實(shí)場景中拍攝的大量圖片進(jìn)行了處理，并選用了其中10幅具有代表性的圖像為例，實(shí)驗(yàn)結(jié)果證明，新方案能適應(yīng)目標(biāo)顏色和背景因素的變化，分割結(jié)果更接近人類視覺的期望，