改进K⁃means算法的玉米叶部病害图像分割研究

为了提高玉米叶部病害图像分割的准确率,提出一种基于Lab颜色空间的改进K⁃means聚类算法。针对叶部病害图像中病斑区域与正常区域存在的颜色差异性,选择在Lab颜色空间进行分割处理。采用K⁃means聚类算法在分割过程中会存在初始聚类中心点难以确定、分割时间较长、边缘信息分割不完善等问题,文中通过两方面对K⁃means聚类算法进行改进:首先是在Lab颜色空间中的a,b两个颜色通道搜寻波峰,确定初始聚类中心点的位置和数量;其次是用马氏距离替换欧氏距离进行距离度量的优化。应用改进后的K⁃means聚类算法对60幅玉米病害图像进行分割,平均误分率为5.72%,平均分割时间为6.69 s,与传统的分割方法相比,分割准确率提升,分割时间缩短。实验结果表明,改进K⁃means算法能实现玉米叶部病害图像的快速、准确分割。