基于改进OTSU算法的快速作物图像分割

针对OTSU算法时间复杂度高、实时性差等缺点，结合粒子群算法(particle swarm optimization，简称PSO)提出了一种新的自适应动态参数控制PSO+OTSU算法。通过自适应动态调整惯性权重因子和学习因子，让处在不同位置的粒子做自己最擅长的事情，从而达到算法满足实时性的目的。通过研究自然农田环境下作物图像，提出了一种改进超绿作物图像灰度化方法。结果表明，提出的自适应算法比标准PSO+OTSU算法运行时间缩短了12.7%，错分率方差缩小了26.3%，具有更好的实时性和稳定性。最后在不同光照、不同复杂背景、不同作物植株条件下进行验证试验，都取得了很好的分割效果，说明改进算法同时具有很强的健壮性