基于多特征的EM算法在昆虫图像分割中的应用

提出了一种基于多特征的EM(Expectation-maximizarion)聚类的昆虫图像分割方法。与一般的EM算法不同,这种方法首先选用适当的彩色空间对图像中的每个像素抽取颜色、纹理及空间位置等综合特征,形成基于像素的8维综合特征空间,然后采用高斯混合模型,通过EM算法估计高斯混合模型参数,利用图像像素点特征的相似度在特征空间中得到初步的区域分割,最后利用连接原理对图像区域进一步分割。实验结果表明,算法能较好地分割昆虫图像。

基于多元线性回归的昆虫图像分割方法

昆虫图像自动鉴定是一种快速鉴定昆虫的方法,图像分割则是其中的关键步骤。为了使昆虫图像分割达到更理想的效果,提出基于RGB三色板的多元线性回归算法对昆虫图像进行分割。算法的核心是首先建立图像的多元线性回归模型,根据RGB三色板的背景样本确定回归模型参数,并采用范数对回归模型进行优化,优化后的算法有效解决了昆虫图像分割中部分区域分割不理想的问题。实验证明,提出的算法对昆虫图像分割具有良好的应用价值。

昆虫图像分割方法的研究及应用

论文对27种有害实蝇昆虫图像进行了特征分析,在此基础上进行图像分割.采用自适应门限算法的思想,针对实蝇不同部位的特点,使用了不同的分割算法;对传统数学形态学中的去毛刺算法进行了改进,并把它用于透明翅膀的分割.实验表明:按照此思路,在强噪声背景下分割出实蝇图像取得了较好的效果,对其它种类的昆虫分割具有一定的借鉴意义.