一种基于信息熵梯度简化PCNN模型的夜间室外番茄植株图像分割算法

摘要

本发明公开了一种基于信息熵梯度简化PCNN模型的夜间室外番茄植株图像分割算法，在计算归一化色差Cn后，使用简化PCNN模型对归一化色差灰度图进行图像分割迭代；计算图像分割结果Y(n)的信息熵s(n)；当s(n)变小或迭代次数n已达最大迭代次数M时，停止迭代；求最大信息熵s(max)及对应的max；计算s(max)与s(max‑1)的差值，即信息熵梯度Δs；判断Δs是否大于阈值Ts，若是，则以第max+1次迭代获得的Y(max+1)为图像分割结果F，否则，以Y(max)为图像分割结果F；对F进行去噪处理。本发明采用信息熵梯度作为最佳图像分割结果评价准则，使用简化PCNN模型，克服了夜间主动照明条件下光照不均匀，存在阴影、高光区等对夜间室外番茄植株图像分割的影响，实现了夜间室外番茄植株图像分割。