大類間方差法根據(jù)圖像的灰度特性尋找闕值，使分割出的圖像區(qū)域之間的差別大，用于判斷分割圖像區(qū)域之間的差別是其各區(qū)域間的內(nèi)部方差。大類間方差法極易受到噪音的影響，如陰影，但在單純背景條件下，適用于初步的獲取目標物的位置。大熵闕值法與大類間方差原理類似，將圖像通過信息熵分為不同區(qū)域。信息熵在混亂無序的系統(tǒng)中較大，在確定有序的系統(tǒng)中較小，根據(jù)信息熵的特性，可將圖像分割為不同的區(qū)域。
基于深度學習的圖像分割方法，主要研究領域是在于語義分割，即根據(jù)圖片內(nèi)容，將圖像分為多個有含義的部分，對于農(nóng)產(chǎn)品分類而言有著革命性的意義。全卷積網(wǎng)絡FCN是深度學習用于進行圖像分割的先驅(qū)，以分類模型AlexNet為基礎，將其3層全連接層轉(zhuǎn)化為反卷積層進行上采樣，從而將輸出有特征分類轉(zhuǎn)化為區(qū)域特征熱力圖。
在線客服
17856548804
2179259773@qq.com
