SOFM算法在圖像識(shí)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(xué)技術(shù)的發(fā)展,尤其是計(jì)算機(jī)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(xué)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(duì)社會(huì)的發(fā)展,人們生活水平的提高都有很多的貢獻(xiàn)。在精準(zhǔn)農(nóng)業(yè)尤其是大棚農(nóng)業(yè)的相關(guān)管理中需要對(duì)生長(zhǎng)作物的生長(zhǎng)信息,進(jìn)行有效地采集和提取,使用這些圖像信息就可以用來對(duì)它的生長(zhǎng)狀況或者果實(shí)的采集,雜草的清除,各種營(yíng)養(yǎng)的噴灑等進(jìn)行控制。本文在

2、總結(jié)國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上,以大棚植被圖像為研究對(duì)象,重點(diǎn)研究圖像的顏色特征,圖像灰度特征,以及對(duì)于圖像分類特征的提取及識(shí)別方法。針對(duì)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(shí)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(gè)特征向量,實(shí)現(xiàn)SOFM空間聚類。實(shí)驗(yàn)結(jié)果表明改進(jìn)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(xué)去噪