基于高斯混合模型的叶片检测分割算法

来源 :计算机应用与软件 | 被引量 : 11次 | 上传用户:binbin151
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为解决光照变化、叶片自身表观变化和复杂背景对植物叶片图像准确分割所造成的困扰,提出一种组合式分割方法。该方法在多个尺度上采用滑动窗口扫描方式检测图像中的叶片;对检测到的叶片区域中心区域像素为初始前景,而叶片窗口之外的区域为初始背景,用高斯混合模型(GMM)分别对前景和背景建立初始概率模型;采用迭代法完成叶片分割,在每一轮迭代中,用标准的图割算法和上一轮GMM模型分割前景和背景,根据新的分割结果重新估计前景和背景的GMM;迭代过程在能量函数收敛时结束。叶片检测时,以能描述叶片的外观和形状的HOG特征为
其他文献
为进一步提高Web信息抽取的准确率,针对隐马尔可夫模型HMM(Hidden Markov Model)及混合法在参数寻优上的不足,提出一种改进遗传退火HMM的Web抽取算法。构建一个后向依赖假设的HMM;用改进遗传退火优化HMM参数,将遗传算子和模拟退火SA(simulated annealing)参数改进后,据GA(genetic algorithm)的自适应交叉、变异概率给子群体分类,实现多种