复杂背景下黄瓜病害叶片的分割方法研究

被引:15
作者
张芳 [1 ]
王璐 [2 ]
付立思 [1 ]
田有文 [1 ]
机构
[1] 沈阳农业大学信息与电气工程学院
[2] 东北大学信息科学与技术学院
关键词
图像分割; K-均值聚类; 模板匹配; 形状上下文; 黄瓜叶片;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别,需要先把目标叶片从复杂背景中分割出来,才能进行后续的特征提取和病害识别。为实现复杂背景下黄瓜叶片的分割,首先利用K-均值聚类算法去除图片中的非绿色部分,再采用基于laplacian of gaussia(LOG)算子的方法对待分割的叶片进行区域检测,然后进行基于形状上下文(shape context)的模板匹配和分割。为了提高匹配速度,先检测叶片的生长点和叶尖,以确定叶片的位置、尺寸和方向;然后使用基于超像素(superpixel)的最优匹配搜索方法来减少搜索的复杂度。对20幅黄瓜叶部病害图像进行分割测试,并与人工分割法进行对比,结果表明,本文所采用的分割算法能较好地从复杂背景下提取出黄瓜叶部病害图像,分割准确率达94.7%,为后期黄瓜病斑的特征提取等工作奠定了良好的基础。
引用
收藏
页码:1346 / 1355
页数:10
相关论文
共 8 条
[1]  
大田小麦叶部病害智能诊断系统研究与应用.[D].刁智华.中国科学技术大学.2010, 10
[2]  
K-均值聚类算法的研究与改进.[D].欧陈委.长沙理工大学.2011, 06
[3]  
复杂背景下植物叶片图像分割算法及其应用研究.[D].满庆奎.曲阜师范大学.2009, 09
[4]   超像素分割算法研究综述 [J].
王春瑶 ;
陈俊周 ;
李炜 .
计算机应用研究, 2014, 31 (01) :6-12
[5]   基于分水岭和梯度的蝴蝶兰图像分割方法 [J].
任守纲 ;
马超 ;
谢忠红 ;
徐焕良 ;
陈发棣 .
农业工程学报, 2012, 28 (09) :125-129
[6]   基于形状上下文的人脸匹配算法 [J].
陈慧静 ;
夏小玲 .
计算机工程, 2009, 35 (03) :208-210
[7]   基于统计模式识别的植物病害彩色图像分割方法 [J].
田有文 ;
李成华 ;
不详 .
吉林大学学报(工学版) , 2004, (02) :291-293
[8]   LOG算子进行边缘检测的研究 [J].
韦春桃 ;
程晓宇 .
桂林工学院学报, 1999, (02) :3-5