An instance-based learning approach for thresholding in crop images under different outdoor conditio

这篇文章主要是为了解决包含作物行的图像灰度化后,二值化所需阈值的选择问题。

作者主要利用k-means算出训练集中与之在概率累积图上相近的k幅图,然后将这些图的阈值乘以相应的权重获得目标图的二值化阈值。

An instance-based learning approach for thresholding in crop images under different outdoor conditio_第1张图片

作者首先利用超绿特征将图像灰度化

对灰度化后的图像生成灰度直方图,然后对灰度直方图生成概率直方图。

选择多种光照条件下的图像,并人工选择合适的阈值,将这些图像作为训练集。

对于目标图像,利用k-means通过公式4计算与训练集每一幅图像的距离,选择k个距离最近的图。

An instance-based learning approach for thresholding in crop images under different outdoor conditio_第2张图片

利用选择的k幅图,利用公式5计算出每幅图的权值,再利用这些权值乘以每幅图的阈值获得目标图的阈值。

 

An instance-based learning approach for thresholding in crop images under different outdoor conditio_第3张图片

选择不同的k值进行实验,发现k=2时效果最好。

An instance-based learning approach for thresholding in crop images under different outdoor conditio_第4张图片

最后与otsu和平均值法做对比,发现效果优于这些传统的方法。

 

 

 

An instance-based learning approach for thresholding in crop images under different outdoor conditio_第5张图片

 

当然,该方法还可以用于其他阈值选择问题,或者是值选择问题。

你可能感兴趣的:(计算机视觉)