[发明专利]基于改进k-means算法的作物病变叶片检测方法有效
| 申请号： | 201911033512.7 | 申请日： | 2019-10-28 |
| 公开（公告）号： | CN110751228B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 刘哲;黄文准;郭建新 | 申请（专利权）人： | 西京学院 |
| 主分类号： | G06V10/762 | 分类号： | G06V10/762;G06V20/10;G06T7/00;G06T7/11 |
| 代理公司： | 北京众合诚成知识产权代理有限公司 11246 | 代理人： | 王学芝 |
| 地址： | 710100 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于计算机信息处理、模式识别技术领域，公开了一种基于改进k‑means算法的作物病变叶片检测方法，首先根据病变叶片的直方图特性，确定病变叶片的类别数；然后通过直方图的峰值点初步确定聚类中心，并计算每个像素点到不同聚类中心的相似度；最后根据相似度的大小利用k‑means聚类算法进行病变叶片图像的分割，完成对病变叶片的快速检测。本发明不需要人工指定图像聚类的类别数，自动确定类别数；不需要人工指定初始聚类中心，自动确定初始聚类中心；计算像素点到聚类中心的相似度，不仅考虑颜色相似度，而且还考虑了距离大小，更能精确对图像进行分割。 | ||
| 搜索关键词： | 基于 改进 means 算法 作物 病变 叶片 检测 方法 | ||
【主权项】：
1.一种基于改进k-means算法的作物病变叶片检测方法，其特征在于，所述基于改进k-means算法的作物病变叶片检测方法首先根据病变叶片的直方图特性，确定病变叶片的类别数；然后通过直方图的峰值点初步确定聚类中心，并计算每个像素点到不同聚类中心的相似度；最后根据相似度的大小利用k-means聚类算法进行病变叶片图像的分割，完成对病变叶片的快速检测；/n所述k-means聚类算法为：/n1)确定好聚类数目和初始聚类中心；/n2)运用公式计算像素点到每个聚类中心的相似度；/ns＝s
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。
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西京学院，未经西京学院许可，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/201911033512.7/，转载请声明来源钻瓜专利网。
- 上一篇：数据处理方法、装置、设备及存储介质
- 下一篇：视觉检测系统和方法
