【摘要】：針對(duì)黃瓜表型測(cè)量中圖像識(shí)別問(wèn)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(jī)森林算法(Random Forest,RF)的黃瓜種子腔圖像分割方法。首先,通過(guò)顏色空間變換,提取樣本在RGB、HSV、YCb Cr模型下的9個(gè)顏色分量;接著,基于灰度共生矩陣提取樣本的能量、熵、對(duì)比度、相關(guān)性的均值與標(biāo)準(zhǔn)差等8個(gè)紋理特征。結(jié)合紋理與顏色特征,運(yùn)用隨機(jī)森林算法構(gòu)建像素分類(lèi)器,實(shí)現(xiàn)了種子腔的粗分割。為了提高分割質(zhì)量,對(duì)粗分割的圖像進(jìn)行形態(tài)學(xué)處理得到最終分割圖像。最后,與K-均值聚類(lèi)(Kmeans)算法、支持向量機(jī)(Support Vector Machine,SVM)算法做對(duì)比。實(shí)驗(yàn)表明:隨機(jī)森林分割算法正確識(shí)別率高達(dá)95%,錯(cuò)誤識(shí)別率在10%之內(nèi),處理時(shí)間1.6 s左右,分割質(zhì)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(xué)機(jī)械與動(dòng)力工程學(xué)院;上海交通大學(xué)農(nóng)業(yè)與生物學(xué)院;
【基金】：“十二五”國(guó)家科技支撐計(jì)劃項(xiàng)目(2014BAD08B01) 上海交通大學(xué)“Agri+X”基金項(xiàng)目(Agri-X2015002)
【分類(lèi)號(hào)】：TP391.41;S642.2

【相似文獻(xiàn)】

相關(guān)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(jī)森林算法基本思想及其在生態(tài)學(xué)中的應(yīng)用——以云南松分布模擬為例[J];生態(tài)學(xué)報(bào);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(jī)森林算法及區(qū)域應(yīng)用[J];遙感學(xué)報(bào);2014年04期

3 王盼;陸寶宏;張瀚文;張巍;孫銀鳳;季妤;;基于隨機(jī)森林模型的需水預(yù)測(cè)模型及其應(yīng)用[J];水資源保護(hù);2014年01期

4 王棟;岳彩榮;田傳召;范懷剛;王躍輝;;基于隨機(jī)森林的大姚縣TM遙感影像分類(lèi)研究[J];林業(yè)調(diào)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(jī)森林的國(guó)產(chǎn)小衛(wèi)星遙感影像分類(lèi)研究[J];測(cè)繪科學(xué);2012年04期

6 呂淑婷;張啟敏;;一類(lèi)帶Poisson跳的隨機(jī)森林發(fā)展系統(tǒng)數(shù)值解的收斂性[J];寧夏大學(xué)學(xué)報(bào)(自然科學(xué)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(jī)森林宏觀尺度土地覆蓋分類(lèi)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(jī)森林模型預(yù)估氣候變化對(duì)動(dòng)物物種潛在生境的影響[J];生態(tài)與農(nóng)村環(huán)境學(xué)報(bào);2014年04期

9 馬明;岳彩榮;張?jiān)骑w;李小婷;張博;;基于TM影像的土地覆蓋分類(lèi)比較研究[J];綠色科技;2014年03期

10 ;[J];;年期

相關(guān)會(huì)議論文 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測(cè)中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達(dá)數(shù)據(jù)分析的隨機(jī)森林方法及算法改進(jìn)[A];黑龍江省第十次統(tǒng)計(jì)科學(xué)討論會(huì)論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機(jī)森林結(jié)合激光誘導(dǎo)擊穿光譜技術(shù)用于的鋼鐵分類(lèi)[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙�；敢种苿┑臉�(gòu)效關(guān)系研究[A];第十一屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機(jī)森林回歸分析方法及在代謝組學(xué)中的應(yīng)用[A];2011年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)年會(huì)會(huì)議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機(jī)森林和k-近鄰法在某型坦克變速箱狀態(tài)識(shí)別中的應(yīng)用[A];第八屆全國(guó)轉(zhuǎn)子動(dòng)力學(xué)學(xué)術(shù)討論會(huì)論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹(shù)的集合體和后向消除策略去分類(lèi)P-糖蛋白化合物[A];第十屆全國(guó)計(jì)算(機(jī))化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2009年

相關(guān)博士學(xué)位論文 前4條

1 曹正鳳;隨機(jī)森林算法優(yōu)化研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2014年

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

3 岳明;基于隨機(jī)森林和規(guī)則集成法的酒類(lèi)市場(chǎng)預(yù)測(cè)與發(fā)展戰(zhàn)略[D];天津大學(xué);2008年

4 李書(shū)艷;單點(diǎn)氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測(cè)及其機(jī)制研究[D];蘭州大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 錢(qián)維;藥品不良反應(yīng)監(jiān)測(cè)中隨機(jī)森林方法的建立與實(shí)現(xiàn)[D];第二軍醫(yī)大學(xué);2012年

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

3 賀捷;隨機(jī)森林在文本分類(lèi)中的應(yīng)用[D];華南理工大學(xué);2015年

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

5 李強(qiáng);基于多視角特征融合與隨機(jī)森林的蛋白質(zhì)結(jié)晶預(yù)測(cè)[D];南京理工大學(xué);2015年

6 朱玟謙;一種收斂性隨機(jī)森林在人臉檢測(cè)中的應(yīng)用研究[D];武漢理工大學(xué);2015年

7 肖宇;基于序列圖像的手勢(shì)檢測(cè)與識(shí)別算法研究[D];電子科技大學(xué);2014年

8 李慧;一種改進(jìn)的隨機(jī)森林并行分類(lèi)方法在運(yùn)營(yíng)商大數(shù)據(jù)的應(yīng)用[D];電子科技大學(xué);2015年

9 趙亞紅;面向多類(lèi)標(biāo)分類(lèi)的隨機(jī)森林算法研究[D];哈爾濱工業(yè)大學(xué);2014年

10 黎成;基于隨機(jī)森林和ReliefF的致病SNP識(shí)別方法[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：2204752