基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割

摘要

针对目前柑橘病虫害图像数据集较少,病虫害目标复杂、散漫,难以自动定位分割的问题,提出了一种基于超像素快速模糊C均值聚类(SFFCM)与支持向量机(SVM)的农业柑橘病虫害区域分割方法.该方法充分利用了SFFCM快速、鲁棒的优点,且融合了空间信息的特点,同时避免了传统SVM在图像分割上需要人工选择样本的缺点.首先,利用改进的SFFCM分割算法对待分割图像进行预分割,得到前景和背景区域;接着利用形态学中的腐蚀和膨胀操作对前景和背景区域进行缩小,然后自动选取训练样本进行SVM模型训练;最后用训练好的SVM分类器完成整幅图像的分割.将所提方法与快速鲁棒模糊C均值聚类(FRFCM)、原始SFFCM及边缘引导网络(EGNet)这三种方法进行实验对比,结果表明所提方法的平均召回率为0.9371,平均精确率为0.9418,平均准确率为0.9303,均明显优于对比算法.