文献

J-GLOBAL ID：202002266441428351   整理番号：20A1376711

M-LP特徴重み付けクラスタリングに基づく果樹キャノピー画像セグメンテーション法【JST・京大機械翻訳】

Fruit Tree Canopy Image Segmentation Method Based on M-LP Features Weighted Clustering

著者 (6件)： Cheng Zhenzhen (中国農業大学工学院,北京,100083) ,  Qi Lijun (中国農業大学工学院,北京,100083) ,  Cheng Yifan (北京四維図新科技股fen有限公司,北京,100094) ,  Wu Yalei (中国農業大学工学院,北京,100083) ,  Zhang Hao (中国農業大学工学院,北京,100083) ,  Xiao Yu (中国農業大学工学院,北京,100083)
資料名： Nongye Jixie Xuebao  (Nongye Jixie Xuebao)
巻： 51  号： 4  ページ： 191-198,260  発行年： 2020年 
JST資料番号： C2453A  ISSN： 1000-1298  CODEN： NUYCA3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： バックグラウンドと雑草干渉の下における果樹画像のキャノピー抽出の問題に照準を定めて,本論文は,M-SP特徴加重クラスタ化に基づくキャノピーセグメンテーションアルゴリズムを提案した。最初に,オリジナル画像をRGB色空間からHSI色空間に変換して,H,S成分における果樹と背景領域のマハラノビス距離を計算し,マハラノビス距離類似性行列Mを構築した。次に,画像画素の垂直位置を空間特徴Pとして抽出し,HSI空間内のI成分に最大エントロピーアルゴリズムを用いて画像の影領域を抽出し,マスク処理を行い,得られた影領域を空間特徴の加重領域Lとして,影位置重みの空間特徴Lpを構築した。最後に、得られたM-LP特徴行列に対して正規化処理を行い、それぞれ上背景、下背景、果樹冠層、雑草の4つの分類のK-meansクラスタリングを行い、最終的に画像分割を完成した。アルゴリズムの有効性を検証するため、収集した果樹画像上で分割実験を行い、結果により、M-LP特徴に基づくクラスタリング方法は、重度雑草干渉条件下の果樹冠層漏れの問題を解決できることが明らかになった。精度,再現率,およびF1値の3つの評価指数を用いて,分割結果を定量的に評価し,異なる雑草の干渉度(軽度,中程度,強い)と時間帯(朝,午前,夕方)の果樹画像を選択し,それぞれ従来のK-meansとGMMクラスタリングアルゴリズムを対照として試験した。その結果,特徴抽出のない通常のクラスタリングセグメンテーション法と比較して,本アルゴリズムは,異なる雑草の干渉度および異なる撮影時間における果樹キャノピー分割に対して,一定のロバスト性を示し,平均精度は87.1%,平均想起率は87.7%,平均F1値は87であった。1%。セグメンテーションと検証の結果は,有効な画像特徴抽出に基づいて,事前知識の無監視セグメンテーション法として,少数のマーキングを結びつけて,果樹のキャノピー領域を正確に分割することができることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  干渉 ,  *セグメンテーション ,  特徴抽出 ,  *クラスタ化 ,  画素 ,  雑草 ,  *果樹 ,  色空間 ,  正規化 ,  ロバスト性
準シソーラス用語： 事前知識 ,  Mahalanobis距離 ,  *画像セグメンテーション ,  クラスタリングアルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 重み付け ,  クラスタリング ,  果樹 ,  キャノピー ,  画像セグメンテーション