基于編碼結(jié)構(gòu)的圖像分割網(wǎng)絡(luò)雖然能在復(fù)雜背景及環(huán)境中基于特征分割出圖像區(qū)域，不過其提取的輪廓特征依然較為粗糙，不足為真實尺寸測量提供依據(jù)，直到MaskRCNN才做到了像素級圖像分割，為尺寸測量提供了依據(jù)。除此之外，MaskRCNN將目標(biāo)檢測和語義分割結(jié)合，對農(nóng)產(chǎn)品尺寸測量及分類提供了指導(dǎo)性算法，也是目前研究優(yōu)化的主要方向。
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(biāo)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。
在線客服
17856548804
2179259773@qq.com
