基于融合多特征图切割的作物病害图像自动分割

被引：11

作者：

吴娜 ^{[1
,2
]}

李淼 ^{[2
]}

陈晟 ^{[1
,2
]}

袁媛 ^{[2
]}

曾新华 ^{[2
]}

陈雷 ^{[2
]}

孙熊伟 ^{[2
]}

卞程飞 ^{[1
,2
]}

机构：

[1] 中国科学技术大学信息科学技术学院

[2] 中国科学院合肥智能机械研究所

来源：

农业工程学报 | 2014年 / 30卷 / 17期

关键词：

作物; 病害; 图像处理; 图切割; 多特征; 黄瓜;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为提高黄瓜叶部病害图像的分割性能,该文提出一种基于融合多特征图切割的病害图像自动分割方法。首先采用一种新的阈值化方法对原始病害图像的红色分量进行二值化处理;然后融合纹理、灰度、距离3个特征构建能量函数的边界项,描述像素间的相似性;再利用分割区域像素与区域边界像素的红色分量差值自动建立能量函数的区域项,反映像素归属于背景和目标的程度;最后运用最大流算法求解能量函数得到分割结果。将该方法应用于黄瓜3种病害(靶斑病、霜霉病和白粉病)叶部图像分割中,并与OTSU算法及半自动图切割算法的分割结果进行比较。试验结果表明,该方法的平均错分率为1.81%,低于其他2种算法,平均分割速度约为2.34 s并无大幅增加。该研究可为黄瓜病害的自动识别和诊断提供技术参考。

引用

页码：212 / 219

页数：8

共 26 条

[1]

An Interactive Image Segmentation Algorithm Based on Graph Cut.[J].Qiuhua Zheng;Wenqing Li;Weihua Hu;Guohua Wu.Procedia Engineering.2012,

[2]

An image-processing based algorithm to automatically identify plant disease visual symptoms.[J].A. Camargo;J.S. Smith.Biosystems Engineering.2008, 1

[3] Application of artificial neural network for detecting Phalaenopsis seedling diseases using color and texture features [J].

Huang, Kuo-Yi .

COMPUTERS AND ELECTRONICS IN AGRICULTURE, 2007, 57 (01) :3-11

[4] Graph cuts and efficient N-D image segmentation [J].

Boykov, Yuri ;

Funka-Lea, Gareth .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2006, 70 (02) :109-131

[5] Automatic seeded region growing for color image segmentation [J].

Shih, FY ;

Cheng, SX .

IMAGE AND VISION COMPUTING, 2005, 23 (10) :877-886

[6]

Intensified fuzzy clusters for classifying plant; soil; and residue regions of interest from color images.[J].George.E Meyer;Joao Camargo Neto;David D Jones;Timothy W Hindman.Computers and Electronics in Agriculture.2003, 3

[7] Texture classification using Gabor filters [J].