【摘要】：針對黃瓜表型測量中圖像識別問題,為解決黃瓜種子腔與果肉圖像灰度差別不大情況下的分割難題,提出了基于隨機森林算法(Random Forest,RF)的黃瓜種子腔圖像分割方法。首先,通過顏色空間變換,提取樣本在RGB、HSV、YCb Cr模型下的9個顏色分量;接著,基于灰度共生矩陣提取樣本的能量、熵、對比度、相關性的均值與標準差等8個紋理特征。結合紋理與顏色特征,運用隨機森林算法構建像素分類器,實現(xiàn)了種子腔的粗分割。為了提高分割質量,對粗分割的圖像進行形態(tài)學處理得到最終分割圖像。最后,與K-均值聚類(Kmeans)算法、支持向量機(Support Vector Machine,SVM)算法做對比。實驗表明:隨機森林分割算法正確識別率高達95%,錯誤識別率在10%之內,處理時間1.6 s左右,分割質量上優(yōu)于其它兩種算法。
[Abstract]:Aiming at the problem of image recognition in cucumber phenotypic measurement, a method of cucumber seed cavity image segmentation based on stochastic forest algorithm (Random Forest,RF) was proposed in order to solve the problem of segmentation of cucumber seed cavity image with little difference in gray level between cucumber seed cavity and pulp image. Firstly, the 9 color components of the sample under RGB,HSV,YCb Cr model are extracted by color space transformation, and then eight texture features, such as energy, entropy, contrast, correlation mean and standard deviation, are extracted based on gray level co-occurrence matrix. Based on texture and color features, a pixel classifier is constructed by using random forest algorithm to realize rough segmentation of seed cavity. In order to improve the segmentation quality, the coarse segmentation image is processed by morphological processing to get the final segmentation image. Finally, compared with K-means clustering (Kmeans) algorithm and support vector machine (Support Vector Machine,SVM) algorithm. The experimental results show that the correct recognition rate of the stochastic forest segmentation algorithm is up to 95%, the error recognition rate is within 10%, the processing time is about 1.6 seconds, and the segmentation quality is superior to the other two algorithms.
【作者單位】： 上海交通大學機械與動力工程學院;上海交通大學農(nóng)業(yè)與生物學院;
【基金】：“十二五”國家科技支撐計劃項目(2014BAD08B01) 上海交通大學“Agri+X”基金項目(Agri-X2015002)
【分類號】：TP391.41;S642.2

【相似文獻】

相關期刊論文 前10條

1 張雷;王琳琳;張旭東;劉世榮;孫鵬森;王同立;;隨機森林算法基本思想及其在生態(tài)學中的應用——以云南松分布模擬為例[J];生態(tài)學報;2014年03期

2 李旭青;劉湘南;劉美玲;吳伶;;水稻冠層氮素含量光譜反演的隨機森林算法及區(qū)域應用[J];遙感學報;2014年04期

3 王盼;陸寶宏;張瀚文;張巍;孫銀鳳;季妤;;基于隨機森林模型的需水預測模型及其應用[J];水資源保護;2014年01期

4 王棟;岳彩榮;田傳召;范懷剛;王躍輝;;基于隨機森林的大姚縣TM遙感影像分類研究[J];林業(yè)調查規(guī)劃;2014年02期

5 劉毅;杜培軍;鄭輝;夏俊士;柳思聰;;基于隨機森林的國產(chǎn)小衛(wèi)星遙感影像分類研究[J];測繪科學;2012年04期

6 呂淑婷;張啟敏;;一類帶Poisson跳的隨機森林發(fā)展系統(tǒng)數(shù)值解的收斂性[J];寧夏大學學報(自然科學版);2010年04期

7 李治;楊曉梅;孟樊;范文義;;物候特征輔助下的隨機森林宏觀尺度土地覆蓋分類方法研究[J];遙感信息;2013年06期

8 金宇;周可新;方穎;劉欣;;基于隨機森林模型預估氣候變化對動物物種潛在生境的影響[J];生態(tài)與農(nóng)村環(huán)境學報;2014年04期

9 馬明;岳彩榮;張云飛;李小婷;張博;;基于TM影像的土地覆蓋分類比較研究[J];綠色科技;2014年03期

10 ;[J];;年期

相關會議論文 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標檢測中的應用[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達數(shù)據(jù)分析的隨機森林方法及算法改進[A];黑龍江省第十次統(tǒng)計科學討論會論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機森林結合激光誘導擊穿光譜技術用于的鋼鐵分類[A];中國化學會第29屆學術年會摘要集——第19分會：化學信息學與化學計量學[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙�；敢种苿┑臉嬓шP系研究[A];第十一屆全國計算（機）化學學術會議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機森林回歸分析方法及在代謝組學中的應用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機森林和k-近鄰法在某型坦克變速箱狀態(tài)識別中的應用[A];第八屆全國轉子動力學學術討論會論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國計算(機)化學學術會議論文摘要集[C];2009年

相關博士學位論文 前4條

1 曹正鳳;隨機森林算法優(yōu)化研究[D];首都經(jīng)濟貿易大學;2014年

2 雷震;隨機森林及其在遙感影像處理中應用研究[D];上海交通大學;2012年

3 岳明;基于隨機森林和規(guī)則集成法的酒類市場預測與發(fā)展戰(zhàn)略[D];天津大學;2008年

4 李書艷;單點氨基酸多態(tài)性與疾病相關關系的預測及其機制研究[D];蘭州大學;2010年

相關碩士學位論文 前10條

1 錢維;藥品不良反應監(jiān)測中隨機森林方法的建立與實現(xiàn)[D];第二軍醫(yī)大學;2012年

2 韓燕龍;基于隨機森林的指數(shù)化投資組合構建研究[D];華南理工大學;2015年

3 賀捷;隨機森林在文本分類中的應用[D];華南理工大學;2015年

4 張文婷;交通環(huán)境下基于改進霍夫森林的目標檢測與跟蹤[D];華南理工大學;2015年

5 李強;基于多視角特征融合與隨機森林的蛋白質結晶預測[D];南京理工大學;2015年

6 朱玟謙;一種收斂性隨機森林在人臉檢測中的應用研究[D];武漢理工大學;2015年

7 肖宇;基于序列圖像的手勢檢測與識別算法研究[D];電子科技大學;2014年

8 李慧;一種改進的隨機森林并行分類方法在運營商大數(shù)據(jù)的應用[D];電子科技大學;2015年

9 趙亞紅;面向多類標分類的隨機森林算法研究[D];哈爾濱工業(yè)大學;2014年

10 黎成;基于隨機森林和ReliefF的致病SNP識別方法[D];西安電子科技大學;2014年

，

本文編號：2204752