[发明专利]一种基于信息熵梯度简化PCNN模型的夜间室外番茄植株图像分割算法

摘要

本发明公开了一种基于信息熵梯度简化PCNN模型的夜间室外番茄植株图像分割算法，在计算归一化色差Cn后，使用简化PCNN模型对归一化色差灰度图进行图像分割迭代；计算图像分割结果Y(n)的信息熵s(n)；当s(n)变小或迭代次数n已达最大迭代次数M时，停止迭代；求最大信息熵s(max)及对应的max；计算s(max)与s(max‑1)的差值，即信息熵梯度Δs；判断Δs是否大于阈值Ts，若是，则以第max+1次迭代获得的Y(max+1)为图像分割结果F，否则，以Y(max)为图像分割结果F；对F进行去噪处理。本发明采用信息熵梯度作为最佳图像分割结果评价准则，使用简化PCNN模型，克服了夜间主动照明条件下光照不均匀，存在阴影、高光区等对夜间室外番茄植株图像分割的影响，实现了夜间室外番茄植株图像分割。

主权项

1.一种基于信息熵梯度简化PCNN模型的夜间室外番茄植株图像分割算法，用彩色相机采集夜间主动照明条件下室外番茄植株的彩色图像C，读取彩色图像C中各像素的R、G、B颜色分量；其特征在于，包括以下步骤：①归一化色差值Cn计算：对彩色图像C上的每一个像素点分别按公式(1)计算绿红色差Cc，计算得到绿红色差Cc后，按公式(2)计算归一化色差值Cn，将Cn作为像素值，得到灰度图像I； c c = 2 G - R - B R + G + B - - - ( 1 ) ]]> c n = c c - m i n ( c c ) max ( c c ) - min ( c c ) - - - ( 2 ) ]]>式(2)中，min(cc)—彩色图像C上所有像素点的cc的最小值；max(cc)—彩色图像C上所有像素点的cc的最大值。②设置迭代次数n为1；③使用简化PCNN模型对I进行图像分割，得到图像分割结果Y(n)；简化PCNN模型的特征在于：将图像横坐标为i，纵坐标为j的像素视为一个神经元Nij；将各像素在灰度图像I中像素值Iij作为神经元的输入；神经元的输出为Yij(n)(即第n次迭代得到的图像分割结果Y(n)中，图像坐标系中横坐标为i，纵坐标为j的像素的像素值)通过式(3)计算得到；所有神经元的输出即为第n次迭代得到的图像分割结果Y(n)； Y i j ( n ) = 1 U i j * ( n ) > E i j ( n - 1 ) 0 U i j * ( n ) ≤ E i

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国计量大学，未经中国计量大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201810006510.8/，转载请声明来源钻瓜专利网。