基于G-MRF模型的玉米叶斑病害图像的分割

【目的】图像分割是作物病害自动识别系统实现的难点之一,前人研究大多采用基于阈值或聚类的分割算法,方法简单、易于实现,但分割精度较低。本文引入高斯模型的Markov随机场分割模型(G-MRF),对玉米叶部病斑图像进行分割试验,以期提高分割精度。【方法】在VC6.0下实现了G-MRF分割模型,G-MRF既利用了图像像素的灰度信息,又通过像素类别标记的Gibbs光滑先验概率引入了图像的空间信息,是能较好地分割含有噪声图像的算法。采用该算法对大斑病、小斑病、灰斑病和弯孢菌叶斑病等4种主要玉米叶部病害的图像进行了分割测试,并与基于阈值和基于Gauss模型的分割算法进行比较。【结果】基于G-MRF分割模型的分割,目标区域的一致性和边缘的清晰方面明显好于基于阈值和Gauss模型的分割算法,其平均正确分类率达96.35%,分别较基于阈值和基于Gauss模型的分割算法高出3.75%和4.03%,差异达到显著水平。【结论】基于G-MRF模型的分割算法鲁棒性高,能够有效地将病斑区域从叶片部分离,分割正确分类率达96.35%,可用于玉米叶斑类病害图像的分割。     

主方向各向异性扩散小波收缩图像降噪算法

首先证明相干增强扩散算法(CED)与二维Haar小波收缩算法的等价性,推导图像像素点主曲率和主方向的表达式,并以之构造扩散矩阵.根据相干增强扩散与小波收缩的等价性,提出主方向各向异性扩散小波收缩算法.该算法在低频部分采用经典各向异性扩散(PM扩散),高频部分采用主方向各向异性扩散进行小波收缩.实验结果表明,主方向各向异性扩散小波收缩算法充分发挥了各向异性扩散算法良好的局部表现能力和小波收缩算法的快速计算能力,具有更好的降噪性能.     

聚类算法在玉米叶片病斑降维识别中的应用

为了及时、准确地识别玉米病害,基于聚类识别算法,进行了玉米叶片病斑图像识别的对比试验。首先利用LLE算法对玉米图像降维以提取特征,然后采用K-均值算法、FCM算法和GK算法进行聚类分析,其中GK算法能够有效识别出玉米病斑图像,正确识别率高达95.5%。可见,GK模糊聚类算法对玉米病斑图像的识别效果较好。     

基于LXF模型水平集的玉米叶部病斑图像分割

农作物病害的发生对我国农业生产危害较大,运用机器识别技术对农作物病害图像进行自动识别有着重要的意义。主要介绍传统水平集和基于LXF模型水平集的分割算法原理,并且运用两种方法分别对玉米叶部病斑进行图像分割。实验表明基于LXF模型水平集的分割算法缩短了玉米病斑图像分割时间的同时病斑分割效果良好,为以后的特征提取、病斑种类的识别打下了良好的基础。     

基于AP聚类算法的图像分割应用与研究

针对传统聚类算法在图像分割中对聚类中心选择敏感,可靠性差的缺点,本文采用AP聚类算法研究图像分割问题。AP(Affinity propagation)聚类算法是通过数据点之间的信息传递产生高质量的聚类中心,避免了聚类初始中心选择难的问题。本文通过与K均值算法和模糊C均值算法在图像分割中的实验比较,得出本算法优于其他两种算法,对图像可取得良好的分割效果。     

基于混合颜色空间和双次Otsu的黄瓜靶斑病图像分割

为快速、准确地分割黄瓜叶部病害图像,提出一种基于混合颜色空间的双次Otsu算法。算法根据病害图像各部分的颜色特征,首先选取原始彩色图像的R分量进行初始Otsu分割和形态学相关操作,将R分量图分割为背景类和非背景类;然后选取非背景类图像的Cr分量进行第2次Otsu操作,将非背景区域分割为正常叶子类和病斑区域类,得到最终的分割结果。将该算法应用于黄瓜靶斑病图像的分割中,并与R_Otsu算法、H_Otsu算法以及图切割算法进行比较。试验结果表明:与对比算法相比,本算法在分割精度及处理速度2方面的综合分割性能最优,错分率均值和方差分别为2.12%和0.08%,平均处理时间0.2s,算法对光照变化具有一定的鲁棒性。本研究算法可为自然光照条件下黄瓜病害图像实时、准确分割提供技术参考。     

在小波域进行基于模拟退火算法的图像阈值分割

基于小波变换、模拟退火算法及二维最大类间方差(2DMVB)原理,提出1种新的应用于小波域的2DMVB金相图像分割方法。该方法借助“零树编码“的思想,首先在小波变换的低频域进行2DMVB分割,并采用模拟退火算法优化求解过程,然后根据低频域的分割结果,就能获得原始图像的最终分割结果。实验结果表明该方法分割效率和抗噪能力较2DMVB都有提高。     

基于光源不变图和聚类算法的叶片阴影中病斑的分割

【目的】提出了一种基于光源不变图的病斑分割方法,以提高病斑识别程序的准确性和稳定性。【方法】将阴影区和非阴影区视为不同光源照明,通过最小熵法计算原图的光源不变图,在该图上采用K均值聚类算法对病斑进行分割,以采集的病斑叶片为材料,对该方法的处理效果进行验证。【结果】比较光源不变图法和H分量法的处理结果后发现,采用光源不变图法处理病斑不同区域的平均差异较H分量法更低,仅为10.7%;聚类分割算法对使用光源不变图法处理病斑图像的分割准确率为95.0%,较H分量法具有更高的正确率,且误检率更低。【结论】采用光源不变图法对病斑图像处理的效果好、性能稳定,同一目标在不同光照条件下处理结果的一致性较高。     

基于小波滤波与自适应阈值分割算法的玫瑰叶片病斑提取研究

针对玫瑰叶片白粉病病斑分布离散、无序且边缘细节复杂、传统图像分割算法提取病斑困难等问题,提出了一种基于小波滤波与自适应均值阈值分割（WT-AAT）的叶片病斑图像提取算法。首先,为了去除原始图像噪声,使用二维离散哈尔小波变换将图像进行二层小波分解,并依据高、低频子图像自动提取噪声系数,进而设定滤波阈值;然后,将高于阈值的噪声系数置零,并逆序对每层进行小波重构,最终生成等尺度的去噪图像;最后,采用可滑动窗口分割算法对去噪图像进行自适应分割,再根据子图的灰度均值设定二值化阈值,在二值化处理的基础上析取白粉病病斑。结果表明,与WaterShed、Prewitt、Otsu等传统分割算法相比,WT-ATT的像素漏警率的降低率分别为18%、18%和6%,说明该方法能够较为准确地分割出病斑,并达到良好的病斑辨识效果。     

基于SVM和形态学的作物病斑图像分割方法

作物叶片病斑图像分割是作物病害自动识别的一个重要步骤,为了提高传统的基于阈值或聚类的叶片病斑分割方法的分割效果,提出了一种基于支持向量机(SVM)和形态学的病斑分割方法。首先利用SVM进行病斑图像分割,再利用开运算和闭运算来消除病斑图像中边缘的不连续性、病斑内部的小噪声和小洞。最后,通过对黄瓜细菌性角斑病图像进行试验,结果表明,所提出分割方法具有较好的分割效果。     

玉米抗弯孢菌叶斑病的快速鉴定方法

为了探寻一种室内初步鉴定玉米自交系弯孢菌叶斑病抗病性的方法,比较新月弯孢菌粗毒素与纱布过滤的菌液对玉米种子萌发的影响,分析种子生长抑制情况与田间抗病性的关系.结果表明,纱布过滤的菌液中蛋白质及多糖质量浓度高于粗毒素中两者的质量浓度,在稀释同等倍数的前提下,两者的致病力之间没有显著差异,且过滤的菌液对种子萌发、胚芽及胚根的生长抑制情况与田间抗病性的表现基本一致,可作为初步衡量玉米自交系弯孢菌叶斑病抗病性的方法.     

基于SVM的高粱叶片病斑图像自动分割提取方法研究

为实现高粱叶片病斑的自动化无损监测,利用支持向量机(SVM)技术对高粱叶片病斑图像进行自动分割提取研究。结果表明,通过选取RGB、HIS和Lab 3种颜色空间的颜色特征值可以消除对作物病斑拍照时产生的光照、亮度等影响。在MATLAB软件环境下调用LIBSVM软件对病斑图片中的病斑图像像素点和背景图像像素点建立支持向量机分类模型,可以实现对病斑的高效分割和高质量提取。分割提取效果与人眼识别的病斑图像高度吻合。如果利用大量采集的病斑图像进行模型训练,就可以真正实现完全自动化的病斑分割、提取和判别。因此,该研究对建立完全自动化的作物病斑图像识别系统意义重大。     

玉米病害图像分割系统开发

为了提高玉米病害叶片图像分割的准确性和设计相应的图像分割系统,采用迭代阈值分割算法和形态学中的开闭运算相结合的方法对玉米病害图像进行分割,使用VB和MATLAB的混合编程设计开发玉米病害图像分割系统.运行结果表明,该分割方法对玉米病害图像有很好的分割效果.     

不同玉米品种对小斑病和弯孢霉叶斑病的抗性分析

试验就2 0个玉米品种分别对小斑病和弯孢霉叶斑病的抗性进行了研究。结果表明,不同玉米品种对小斑病和弯孢霉叶斑病存在着一定的抗性差异,其中,玉米小斑病的发病严重程度为中偏重发生,将2 0个玉米品种划分为高感、中感和中抗3种抗病类型。弯孢霉叶斑病为轻发生,将2 0个玉米品种划分为中感和中抗2种抗病类型。分析了影响小斑病和弯孢霉叶斑病发生的因素,表明其发病程度除受品种抗病性的影响外,还受到气象因素(如温度、湿度、降雨量和光照时数)、播期和种植密度等因素的影响。     

不同玉米品种对小斑病和弯孢霉叶斑病的抗病性分析

对20个玉米品种分别对小斑病和弯孢霉叶斑病的抗病性进行了研究。结果表明,不同玉米品种对小斑病和弯孢霉叶斑病存在着一定的抗病性差异,其中玉米小斑病的发病程度为中偏重,并将这20个玉米品种划分为高感、中感和中抗三种抗病类型;弯孢霉叶斑病为轻发生,并将20个玉米品种划分为中感和中抗两种抗病类型。此外,还利用柱形图对小斑病和弯孢霉叶斑病的发病程度进行了对比。并分析了影响其发生的因素主要是品种的抗病性。     

基于颜色均值显著点聚类的作物病害叶片图像分割方法

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。     

基于改进C-V模型的辣椒病斑图像分割

针对辣椒叶部常见病斑图像存在背景复杂且不易分割的问题,对传统的C-V模型进行改进,根据辣椒病斑图像的特征,首先对病斑图像的RGB颜色分量和通道权重系数进行加权处理,接着用差分图像能量进行计算处理,最后,通过水平集演化方程获得病斑的分割曲线。实验测试表明,经过改进的C-V模型对辣椒病斑图像分割的效果比传统C-V模型及K-means方法分割的效果和抗噪性好。     

混合颜色特征下番茄叶霉病病斑双层K-means聚类分割方法

提出了混合颜色特征下双层K-means聚类分割方法,首先在I分量将图像像素采用K-means聚类分割方法聚为4类;取聚类中心最大的2种像素的a*b*分量,进行第2次K-means聚类,得到病斑图像。对采集的21幅病害图片的试验结果表明,该方法分割结果的平均重合系数为97.53%,平均假阳性率为1.22%,平均假阴性率为3.52%。该研究可为进一步病害特征提取识别与病害程度诊断研究提供技术参考。     

玉米圆斑病研究概述

 1926年在美国伊利诺伊州首次发现玉米圆斑病,现已蔓延至30多个国家。该病由玉米生平脐蠕孢菌［Bipolaris zeicola（G.L. Stout）Shoemaker（有性态为Cochliobolus carbonum R.R. Nelson）］侵染引起。玉米圆斑病菌属异宗配合菌,其有性过程受交配型基因控制,有性态可在实验室内诱导产生,并可与玉米小斑病菌和燕麦枯萎病菌发生种间杂交。除侵染叶片外,还可侵染果穗、苞叶和叶鞘等部位。病原菌在种子、病残体和土壤中越冬,为翌年的侵染源,以后借气流、雨水传播。品种抗性、气候和栽培条件对病害发生有较大影响。但国内对病害的抗病育种、病害流行和防治方面研究不足。