基于Lab颜色空间的非监督GMM水稻无人机图像分割OA北大核心CSCD
Unsupervised GMM for Rice Segmentation with UAV Images Based on Lab Color Space
为解决传统水稻冠层图像分割算法性能在很大程度上依赖于训练数据集的质量,且分割效果易受田间多变光照强度影响,导致水稻生产参数估计精度不高等问题,提出一种基于Lab颜色空间的非监督贝叶斯方法,用于田间水稻无人机图像分割.模型参数从每个独立、未标记的无人机图像直接学习获得,无需训练.不同图像会有不同的模型参数,该算法能够适应各种不同环境拍摄的图像.将提出的算法应用于分蘖后期田间水稻的无人机图像分割,并与RGB-GMM、HSV-GMM和All-GMM算法…查看全部>>
曹英丽;林明童;郭忠辉;肖文;马殿荣;许童羽
沈阳农业大学信息与电气工程学院,沈阳110866辽宁省农业信息化工程技术中心,沈阳110866沈阳农业大学信息与电气工程学院,沈阳110866沈阳农业大学信息与电气工程学院,沈阳110866沈阳农业大学信息与电气工程学院,沈阳110866沈阳农业大学农业农村部东北水稻生物学与遗传育种重点实验室,沈阳110866
农业科技
水稻无人机图像分割颜色空间高斯混合模型
《农业机械学报》 2021 (1)
162-169,8
辽宁省重点研发计划项目(2020JH2/10200038)和国家重点研发计划项目(2017YFD0300700)