基于改进蜂群算法优化神经网络的玉米病害图像分割

被引：46

作者：

温长吉 ^{[1
,2
]}

王生生 ^{[2
]}

于合龙 ^{[1
]}

苏恒强 ^{[1
]}

机构：

[1] 吉林农业大学信息技术学院

[2] 吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室

来源：

农业工程学报 | 2013年 / 29卷 / 13期

关键词：

病害; 图像分割; 图像识别; 改进人工蜂群算法; 脉冲耦合神经网络; 玉米;

D O I：

暂无

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

更加细致的体现病害外部形态特征和较为完好的保留病害区域颜色纹理信息,是玉米等作物病害分割的关键性研究问题之一。该文提出一种基于改进人工蜂群算法的脉冲耦合神经网络图像分割算法,该算法以最大香农熵和最小交叉熵加权线性组合作为蜂群算法收益度评价函数,通过引入尺度因子调整引领蜂和跟随蜂的解搜索策略,改进后人工蜂群算法与脉冲耦合神经网络相结合,实现网络参数的自动优化调节。在RGB色彩子空间上将该算法用于一组玉米常见病害彩色图像分割,并借鉴利用彩色图像合并策略得到最终病害分割结果。试验表明,该文算法较为细致的体现病害外部形态特征,较为完好的保留了颜色纹理信息;利用分割区域色度误分度V(I)值作为评判标准,该文算法V(I)幅值顺次降低2.03%、7.05%、10.15%和11.2%,综合降低了7.32%也优于对比算法。因此,该文算法为病害彩色图像分割提供了一种较为有效的方法。

引用

页码：142 / 149

页数：8

共 13 条

[1] 基于MDMP-LSM算法的黄瓜叶片病斑分割方法 [J].

江海洋 ;

张建 ;

袁媛 ;

何绵涛 ;

郑守国 .

农业工程学报, 2012, 28 (21) :142-148

[2] 基于多示例图的小麦叶部病害分割方法 [J].

虎晓红 ;

李炳军 ;

席磊 .

农业工程学报, 2012, 28 (13) :154-159

[3] 结合最大方差比准则和PCNN模型的图像分割 [J].

辛国江 ;

邹北骥 ;

李建锋 ;

陈再良 ;

蔡美玲 .

中国图象图形学报, 2011, 16 (07) :1310-1316

[4] 基于Kmeans硬聚类算法的葡萄病害彩色图像分割方法 [J].

李冠林 ;

马占鸿 ;

黄冲 ;

迟永伟 ;

王海光 .

农业工程学报, 2010, 26(S2) (S2) :32-37

[5] Unit-Linking PCNN和图像熵的彩色图像分割与边缘检测 [J].

谭颖芳 ;

周冬明 ;

赵东风 ;

聂仁灿 .

计算机工程与应用, 2009, 45 (12) :174-177+180

[6] 基于YCbCr色彩空间的玉米叶部病斑的图像分割 [J].

宋凯 ;

任晓哲 .

农业工程学报, 2008, 24(S2) (S2) :202-205

[7] 基于遗传算法的脉冲耦合神经网络自动系统的研究 [J].

马义德 ;

齐春亮 .

系统仿真学报, 2006, (03) :722-725

[8] 一种基于脉冲耦合神经网络和图像熵的自动图像分割方法 [J].

马义德 ;

戴若兰 ;

李廉 .

通信学报, 2002, (01) :46-51

[9]

A survey: algorithms simulating bee swarm intelligence[J] . Dervis Karaboga,Bahriye Akay.Artificial Intelligence Review . 2009 (1)

[10]

Image segmentation of embryonic plant cell using pulse-coupled neural networks[J] . Yide Ma,Rolan Dai,Lian Li,Lin Wei.Chinese Science Bulletin . 2002 (2)

← 1 2 →