sofm算法在圖像識(shí)別中的應(yīng)用研究

1、I摘要摘要圖像作為人類(lèi)最重要的信息來(lái)源，有著直觀性、易理解性。隨著科學(xué)技術(shù)的發(fā)展，尤其是計(jì)算機(jī)和數(shù)字圖像技術(shù)的發(fā)展，出現(xiàn)了很多新理論，新方法，新算法，新手段和新技術(shù)，而且在科學(xué)研究、農(nóng)業(yè)監(jiān)控、工業(yè)生產(chǎn)等方面得到了應(yīng)用，對(duì)社會(huì)的發(fā)展，人們生活水平的提高都有很多的貢獻(xiàn)。在精準(zhǔn)農(nóng)業(yè)尤其是大棚農(nóng)業(yè)的相關(guān)管理中需要對(duì)生長(zhǎng)作物的生長(zhǎng)信息，進(jìn)行有效地采集和提取，使用這些圖像信息就可以用來(lái)對(duì)它的生長(zhǎng)狀況或者果實(shí)的采集，雜草的清除，各種營(yíng)養(yǎng)的噴灑等進(jìn)行控

2、制。本文在總結(jié)國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上，以大棚植被圖像為研究對(duì)象，重點(diǎn)研究圖像的顏色特征，圖像灰度特征，以及對(duì)于圖像分類(lèi)特征的提取及識(shí)別方法。針對(duì)在雜草圖像分割方面的存在不足之處，結(jié)合超綠特征分割算法和SOFM網(wǎng)絡(luò)，構(gòu)造出一種雜草圖像識(shí)別模型GSOFM空間聚類(lèi)模型。該方法通過(guò)在超綠特征的處理之后，使用超綠特征的灰度和歸一化的兩個(gè)特征向量，實(shí)現(xiàn)SOFM空間聚類(lèi)。實(shí)驗(yàn)結(jié)果表明改進(jìn)的GSOFM方法比超綠特征分割平均提高20%。本算法結(jié)合后期形態(tài)