农业工程学报
農業工程學報
농업공정학보
2005年
11期
103-107
,共5页
小波变换%小波包%过渡区%树木图像%分割%阈值%神经网络
小波變換%小波包%過渡區%樹木圖像%分割%閾值%神經網絡
소파변환%소파포%과도구%수목도상%분할%역치%신경망락
具有复杂背景的树木图像的分割对于精确对靶施药及智能化植保机械的设计具有重要意义.为实现树木图像的精确分割,针对该类图像的特点,该文提出了一种基于小波变换的过渡区提取树木图像分割方法.通过对比小波变换系数、小波变换系数聚类以及小波包系数,最终选取了同时能够分解出更多高频、低频信息的小波包变换系数提取特征,根据小波包变换系数定义了小波能量比参数,将小波能量比参数值归一化为图像灰度值,采用自适应阈值和神经网络两种方法提取了过渡区,实现了具有复杂背景树木图像的分割.试验表明,该方法分割精度高,对于分割复杂背景的树木图像具有特别意义.
具有複雜揹景的樹木圖像的分割對于精確對靶施藥及智能化植保機械的設計具有重要意義.為實現樹木圖像的精確分割,針對該類圖像的特點,該文提齣瞭一種基于小波變換的過渡區提取樹木圖像分割方法.通過對比小波變換繫數、小波變換繫數聚類以及小波包繫數,最終選取瞭同時能夠分解齣更多高頻、低頻信息的小波包變換繫數提取特徵,根據小波包變換繫數定義瞭小波能量比參數,將小波能量比參數值歸一化為圖像灰度值,採用自適應閾值和神經網絡兩種方法提取瞭過渡區,實現瞭具有複雜揹景樹木圖像的分割.試驗錶明,該方法分割精度高,對于分割複雜揹景的樹木圖像具有特彆意義.
구유복잡배경적수목도상적분할대우정학대파시약급지능화식보궤계적설계구유중요의의.위실현수목도상적정학분할,침대해류도상적특점,해문제출료일충기우소파변환적과도구제취수목도상분할방법.통과대비소파변환계수、소파변환계수취류이급소파포계수,최종선취료동시능구분해출경다고빈、저빈신식적소파포변환계수제취특정,근거소파포변환계수정의료소파능량비삼수,장소파능량비삼수치귀일화위도상회도치,채용자괄응역치화신경망락량충방법제취료과도구,실현료구유복잡배경수목도상적분할.시험표명,해방법분할정도고,대우분할복잡배경적수목도상구유특별의의.
