摘要：针对棉花识别中由于光照不均、背景复杂等不利影响降低识别率的问题,提出了一种基于K均值聚类与标记分水岭的棉花图像分割算法。基于棉花和背景在颜色上的信息差别,使用K均值聚类算法将复杂背景棉花分成棉叶、棉花、土壤和棉枝四类。进一步,基于棉花和背景在亮度上的信息差异,利用二维Otsu算法对棉花目标初次分割,并通过标记分水岭算法完成目标识别。通过实验验证:改进的标记分水岭算法能够有效解决棉花目标的过分割问题,显著提高了识别率,同时该方法对具有同类特征的花卉采摘视觉系统的设计具有参考价值。

摘要：针对棉花图像中存在阳光直射和阴影遮挡等因素而导致图像分割精度低、效果差的问题,提出一种结合颜色聚类与V通道信息的图像分割方法。该方法对原始图像进行各向异性扩散滤波预处理;再对图像采用改进的K均值颜色聚类完成初始分割,对分割结果利用HSV模型中的V通道信息作为棉花图像的特征,去除背景影响实现最终分割。实验结果表明,该算法在阳光直射及阴影遮挡等干扰条件下能较好地将成熟棉花从背景中分离出来。