题名 基于WT-Otsu算法的植物病害叶片图像分割方法
被引量：14
1
作者
张会敏 谢泽奇 张善文 张云龙
机构
郑州大学西亚斯国际学院
出处
《江苏农业科学》
北大核心
2017年第18期194-196,共3页
基金
国家自然科学基金(编号:61473237) 河南省科技厅基础与前沿技术研究(编号:172102210510 +3 种基金 162300410188) 河南省教育厅高等学校重点科研项目(编号:16A520095) 郑州大学西亚斯国际学院校级科研项目(编号:2016KY01) 郑州大学西亚斯国际学院2016年度教改基金(编号:2016JGZD07)
文摘
植物病害叶片图像分割是植物病害识别和植物分类的基础。为了解决作物病斑叶片的分割效率和实时性,在小波变换(wavelet transform)和Otsu法的基础上,提出一种基于WT-Otsu算法的植物病害叶片图像分割方法。首先,利用二维小波变换提取作物病斑图像的边缘点;其次,利用Otsu法在这些边缘点搜索最佳分割阈值;最后,利用该阈值分割图像。利用该方法在真实辣椒病害叶片图像上进行了分割试验,结果表明,该方法对病害叶片图像分割有效可行。
关键词
病害叶片图像 分割OTSU法 小波变换(WT) 最佳分割阈值
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于颜色均值显著点聚类的作物病害叶片图像分割方法
被引量：1
2
作者
张善文 张晴晴 齐国红
机构
郑州大学西亚斯国际学院
出处
《安徽农业科学》
CAS
2019年第10期228-230,共3页
基金
国家自然科学基金项目(6147237) 河南省教育厅科技攻关项目(182102210544,19B520029,182102311094)
文摘
作物病害叶片图像分割是病害类型识别方法的一个重要步骤,其分割效果直接影响后续的识别结果。病害叶片图像的复杂多样性使得很多现有的图像分割方法不能有效应用于作物病害叶片图像分割中。针对复杂的自然病害叶片图像分割难题,提出一种基于颜色均值显著点聚类的作物病害叶片图像分割方法。该方法建立在HIS颜色空间,首先构造基于像素点HIS模型的带权无向图,然后计算病害叶片图像像素点的邻域的颜色均值,再计算该点前后两个邻域的颜色均值差作为该点的颜色跳跃度,当跳跃度大于设置的一个阈值时,该像素点为病斑点。结果表明,该算法具有较高的分割精确度和较好的抗噪声性能。
关键词
病害叶片图像 分割显著点 颜色均值显著点聚类 颜色跳跃度
Keywords
Disease leaf image segmentation Salient points Color meansignificant point clustering Color leaping degree
分类号
S126
[农业科学—农业基础科学]
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于深度学习的农作物病害叶片的图像超分辨率重建
被引量：3
3
作者
代强 乔焰 程曦 朱诚
机构
安徽农业大学信息与计算机学院 南京理工大学计算机科学与工程学院
出处
《黑龙江八一农垦大学学报》
2020年第2期82-90,共9页
基金
大学生创新创业训练项目(201810364170)。
文摘
为了降低农作物病害所带来的损失,借助计算机对农作物病害叶片图像进行图像超分辨率重建具有重要意义。针对基于农作物病害叶片图像的超分辨率重建问题,引入了基于深度学习的农作物病害叶片图像超分辨率重建方法。通过实验将基于深度学习的超分辨率重建方法与两个传统方法Bicubic和ScSR做了对比,实验结果表明,两个传统方法的PSNR值均未超过15,且SSIM值均未超过0.6。而基于深度学习的网络模型LapSRN、DSRNLP和SERS所得出的PSNR值均接近30,SSIM值均超过了0.6,相比传统方法,性能得到明显提升。
关键词
病害叶片图像 超分辨率重建 深度学习 LapSRN DSRNLP SERS
Keywords
diseased leaf images super-resolution reconstruction deep learning LapSRN DSRNLP SERS
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于改进和声搜索算法的玉米叶片病害图像分割算法
被引量：7
4
作者
刘立群 王联国 火久元 郭小燕
机构
甘肃农业大学信息科学技术学院 兰州交通大学电子与信息工程学院
出处
《计算机应用与软件》
CSCD
2016年第4期183-186,共4页
基金
国家自然科学基金项目(61063028) 甘肃省科技计划资助项目(145RJYA288) +6 种基金 甘肃省教育厅研究生导师项目(1102-05) 甘肃农业大学盛彤笙科技创新基金项目(GSAU-STS-1322) 中国博士后科学基金项目(2013M542398) 甘肃省自然科学研究基金计划项目(1308RJZA214 1208RJZA133) 甘肃省高等学校研究生导师科研项目(1202-04) 兰州交通大学青年科学基金项目(2013032)
文摘
针对最大类间方差法在图像分割时存在造成噪声干扰和过分割的缺点,提出一种基于改进和声搜索算法的玉米叶片病害图像分割算法。算法将玉米叶片病害图像编码处理,选取图像的类间方差作为改进和声搜索算法的适应度值,通过改进和声搜索算法寻找最优的分割阈值,利用该最优阈值使用经典最大类间方差法对玉米叶片病害图像进行分割。选取强光、中光、弱光条件下三幅玉米叶片病害图像进行分割实验,结果表明采用基于改进和声搜索算法的玉米叶片病害图像分割算法较最大类间方差法和基于混合蛙跳算法的图像阈值分割算法均具有较好的图像阈值寻优能力,可有效提高玉米叶片病害图像中病斑分割的效果。
关键词
最大类间方差法 改进和声搜索算法 玉米叶片 病害 图像 病斑分割 最优分割阈值
Keywords
OTSU Improved harmony search algorithm Maize leaf disease image Disease spot segmentation Optimal segmentation threshold
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 基于改进K中值聚类的苹果病害叶片分割方法
被引量：8
5
作者
张善文 张晴晴 齐国红 周伟
机构
郑州大学西亚斯国际学院
出处
《江苏农业科学》
北大核心
2017年第18期205-208,共4页
基金
国家自然科学基金(编号:61473237) 河南省教育厅自然科学基础研究计划(编号:15A520101) 河南省科技攻关计划(编号:152102310368)
文摘
针对复杂背景下的苹果病害叶片分割问题,提出一种基于改进的K均值聚类的苹果病害叶片病斑分割方法。首先将原始叶片图像由RGB(R为红,G为绿,B为蓝)颜色空间转换到Lab(L为亮度,a为从洋红色至绿色的范围,b为从黄色至蓝色的范围)颜色空间,然后在Lab颜色空间中利用ab二维数据空间的颜色差异,以欧式距离度量像素间的相似度,使用K均值对图像进行聚类,利用数学形态学中的开闭交替滤波方法对聚类后的灰度图像进行校正,最后得到图像病斑。对3种常见苹果病害叶片图像进行分割,并与其他分割方法进行比较。结果表明,该方法效果好,其误分率为8.41%。
关键词
K均值聚类 苹果病害叶片图像 病斑分割 改进的K中值聚类
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于改进FCOS的水稻叶片病害检测模型
6
作者
丁士宁 姜明富
机构
信阳农林学院信息工程学院 澳门理工大学应用科学学院
出处
《江苏农业科学》
北大核心
2024年第12期232-238,共7页
基金
河南省科技攻关项目(编号:222102210300) 河南省高等学校青年骨干教师培养计划(编号:2021GGJS176) 信阳农林学院青年教师科研基金项目(编号:QN2021057)。
文摘
针对传统水稻病害识别方法主要依赖人工,效率低下且存在人工主观误差的问题,提出一种基于改进FCOS模型的水稻叶片病害检测模型。首先收集950张3种不同病害的水稻叶片图像,构建Pascal Voc格式的水稻叶片病害数据集。为增强模型的泛化能力,对划分为训练集的图像进行数据增强,训练集图像由760张扩增到6080张。然后构建检测模型,改进FCOS模型在原模型的基础上,在特征融合网络引入CBAM注意力模块;损失函数中,回归损失函数采用CIoU损失函数,分类损失函数和中心度损失函数与原FCOS模型保持一致。改进的FCOS模型在水稻叶片病害数据上的平均精度均值达77.7%,相比原FCOS模型提升了2.3百分点,改进的模型在不明显提升检测时间的情况下,提升了模型的精度。通过试验与模型YOLOF、Faster R-CNN、VarifocalNet、NAS-FCOS、TOOD进行对比,结果表明本研究模型取得了最高的检测精度,且在检测精度和检测速度上取得了最高的权衡。结果表明,本研究提出的模型能够比较精准地识别水稻白叶枯病、胡麻叶斑病和叶瘟病,可以为水稻叶片病害的检测提供参考。
关键词
改进FCOS模型 水稻叶片 病害 图像 Pascal Voc格式 CBAM注意力模块 CIOU损失函数
分类号
S126
[农业科学—农业基础科学]
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于二维子空间的苹果病害识别方法
被引量：9
7
作者
师韵 黄文准 张善文
机构
西京学院电子信息工程系
出处
《计算机工程与应用》
CSCD
北大核心
2017年第22期180-184,共5页
基金
国家自然科学基金(No.61473237) 陕西省自然科学基础研究计划(No.2014JM2-6096) 陕西省教育厅科研项目(No.16JK2237)
文摘
如何准确、实时得到苹果病害信息是苹果病害管理的一个重要研究内容。根据苹果叶片症状准确、快速地诊断苹果病害是预防和控制苹果病害的基础。由于苹果同类病害叶片及其病斑图像的形状、颜色和纹理之间的差异很大,使得很多经典的模式识别方法不能有效地应用于苹果叶部病害识别。为此,提出了一种基于二维子空间学习维数约简(2DSLDR)的苹果病害识别方法。该方法将高维空间的观测样本点映射到低维子空间,使得类内样本点更加紧凑,而类间样本点更加分离,从而得到最佳的分类特征。该方法直接作用于叶片图像,不需要计算逆矩阵,从而克服了经典植物病害识别方法中特征提取与选择的难题,避免了经典子空间判别分析中的小样本问题,提高了识别效果。采用该方法对三种常见苹果叶部病害进行识别实验,并与其他苹果病害识别和监督流形学习方法进行比较。实验结果表明,2DSLDR对苹果叶部病害识别是有效可行的,识别精度高达90%以上。
关键词
苹果叶部病害 识别 苹果病害叶片图像 最近邻分类器 二维子空间学习维数约简
Keywords
appleleafdiseaserecognition applediseaseleafimage nearestneighborhoodclassifier Two-dimensionalitySubspaceLearningDimensionalityReduction （2DSLDR）
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于显著区域和PHOG的黄瓜病害识别方法研究
被引量：3
8
作者
张云龙 张会敏 谢泽奇 张晴晴 齐国红
机构
郑州大学西亚斯国际学院
出处
《江苏农业科学》
2018年第22期246-250,共5页
基金
国家自然科学基金(编号:61473237) 河南省科技厅基础与前沿技术研究计划项目(编号:172102210510 +3 种基金 172102210109) 河南省教育厅高等学校重点科研项目(编号:16A520095 16A510034) 郑州大学西亚斯国际学院校级科研项目(编号:2016KY01)
文摘
快速准确地识别黄瓜病害类型是黄瓜病害防治的前提,针对现有基于病害叶片图像的黄瓜病害识别方法中的病斑分割和特征提取难题,提出一种基于显著区域和方向梯度直方图的黄瓜病害叶片图像分割与识别方法。首先,利用叶片图像的亮度和颜色低阶特征,结合多尺度分析确定原始采用病害叶片图像的显著图;其次,利用K-均值算法分割显著图,得到病斑图像;再提取病斑图像的方向梯度直方图特征;最后利用支持向量机(support vector machine,简称SVM)进行病害识别。在4种常见黄瓜病害叶片图像数据库上进行测试,平均正确识别率大于90%。结果表明,该方法能够准确分割和识别复杂背景下的黄瓜病害叶片图像,为田间开放环境下实现黄瓜病害的快速自动识别提供了依据。
关键词
黄瓜病害叶片图像 分割 黄瓜病害 识别 显著性 K-均值算法 方向梯度直方图
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
S126
[农业科学—农业基础科学]
题名 基于改进遗传算法的作物叶片病斑分割算法
被引量：4
9
作者
栗娜 李萍 张善文
机构
郑州大学西亚斯国际学院
出处
《江苏农业科学》
北大核心
2014年第7期140-142,共3页
基金
河南省郑州市科技攻关计划(编号:131PPTGG426) 西亚斯国际学院引进人才项目(编号2012YJRC01 2012YJRC02)
文摘
基于改进遗传算法提出了一种作物病害叶片病斑图像分割算法。首先,将病害叶片图像运用分层抽样得到若干子样本。在每个子样本中运用改进遗传算法极大化样本的均值与方差比;其次,基于获得的样本信息对阈值数目和阈值进行自动预测;最后,利用一种确定性算法对阈值数和阈值进行进一步优化。结果表明,该算法无需考虑叶片图像的纹理和分割数等先验信息,具有较高的易用性,能获得较准确的叶片病斑图像。
关键词
病害叶片图像 图像 分割遗传算法 改进遗传算法
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于自适应中心对称局部二值模式的作物病害识别方法
被引量：1
10
作者
王献锋 张善文 孔韦韦
机构
西京学院工程技术学院
出处
《广东农业科学》
CAS
2016年第9期140-145,共6页
基金
国家自然科学基金(61473237) 陕西省自然科学基础研究计划项目(2014JM2-6096)
文摘
基于局部二值模式(LBP)算子在模式识别中直方图维数高、判别能力差、具有冗余信息等缺点,针对作物病害叶片图像的特点,提出一种自适应中心对称局部二值模式(Adaptive Center-Symmetric Local Binary Patterns,ACSLBP)算法,并应用于作物病害识别。该算法能够得到光照和旋转不变性的纹理特征,利用模糊C均值聚类算法对病害叶片图像进行分割,再将分割后的病斑图像进行分块,然后采用自适应阈值提取每个子块的ACSLBP纹理直方图,结合作物病害叶片图像的颜色特征,利用最近邻分类器识别作物病害。在黄瓜4种常见病害叶片图像数据库上进行试验,平均识别率高达95%以上,表明该方法是有效可行的。
关键词
自适应对称局部二值模式 病害叶片图像 分割作物病害 识别 最近邻分类器
Keywords
adaptive center-symmetric local binary patterns （ ACSLBP ） disease leaf image segmentation crop disease recognition nearest neighbor classifier
分类号
TP391.413
[自动化与计算机技术—计算机应用技术]
S431
[农业科学—农业昆虫与害虫防治]
