【摘要】：為了實現(xiàn)自然光條件下棉花葉片的自動、普適和精確分割,提出一種基于馬爾可夫隨機場最優(yōu)化模型的聯(lián)合分割算法.首先用非監(jiān)督的共同顯著性檢測算法為一組棉花苗葉片圖像中每幅圖像生成共同顯著性圖,這些顯著性圖被用來構(gòu)造馬爾科夫隨機場中的內(nèi)部圖像能量函數(shù);然后采用混合高斯模型對該組圖像全部顯著性圖的共同目標(葉片)與單幅圖像中葉片的差異進行建模,將其作為馬爾可夫隨機場最優(yōu)化模型的一個新的全局約束去構(gòu)造全局能量項;最后通過標準圖割算法(Grabcut)和迭代使得能量函數(shù)最小化,以實現(xiàn)對棉花苗葉片圖像的分割.按不同天氣條件和不同背景拍攝600幅棉花苗葉片圖像構(gòu)建了數(shù)據(jù)庫,在該庫上的實驗結(jié)果表明,該算法對于晴天、陰天和雨后圖像中目標的平均正確分割率達到84.8%,87.7%和91.6%,比經(jīng)典的Grabcut分別提高了10.7%,3%和10%.
[Abstract]:In order to realize automatic, universal and accurate segmentation of cotton leaves under natural light, a joint segmentation algorithm based on Markov random field optimization model is proposed. Firstly, the unsupervised joint salience detection algorithm is used to generate a common salience map for each image in a group of cotton seedling leaf images, which are used to construct the internal image energy function in Markov random field. Then the mixed Gao Si model is used to model the differences between the common target (leaf) of all salient images and the leaves in a single image. It is used as a new global constraint of Markov random field optimization model to construct global energy term. Finally, the energy function is minimized by (Grabcut) and iteration to achieve the segmentation of cotton seedling leaf image. The database was constructed by taking 600 cotton seedling leaf images under different weather conditions and different backgrounds. The experimental results on the database show that the average correct segmentation rate of the target in the images of sunny, cloudy and rain days is 84.8%. 87.7% and 91.6%, 10.7% and 10% higher than the classical Grabcut, respectively.
【作者單位】： 甘肅農(nóng)業(yè)大學(xué)機電工程學(xué)院;中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所;
【基金】：國家自然科學(xué)基金(31501229,61461005)
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 魯曉磊;王芙蓉;黃本雄;;學(xué)習(xí)高階馬爾可夫隨機場:評分匹配方法[J];計算機應(yīng)用;2008年10期

2 王文濤;陳聰;李子茂;;并行圖切割馬爾可夫隨機場算法設(shè)計[J];武漢大學(xué)學(xué)報(工學(xué)版);2010年01期

3 蔣永馨;金俁欣;王孝通;黃華;;基于馬爾可夫隨機場的運動目標檢測[J];計算機工程與應(yīng)用;2010年15期

4 楚瀛;符楊;;馬爾可夫隨機場理論在目標跟蹤中的應(yīng)用[J];計算機工程與應(yīng)用;2011年28期

5 王琳;劉君;黎明;;應(yīng)用馬爾可夫隨機場的金屬疲勞斷口條帶分割[J];計算機工程與應(yīng)用;2012年03期

6 汪濤,莊新華,邢小良;線元馬爾可夫隨機場模型和重建[J];電子學(xué)報;1992年07期

7 孫俊喜;王瑞;才華;郝德芳;;基于高斯—馬爾可夫隨機場模型的圖像修補方法研究[J];長春理工大學(xué)學(xué)報(自然科學(xué)版);2008年03期

8 薛永宏;張濤;陳榮利;安瑋;張寅生;;基于馬爾可夫隨機場的紅外有形目標檢測算法(英文)[J];光子學(xué)報;2013年10期

9 仲興榮,肖圣兵;基于高斯-馬爾可夫隨機場模型的運動目標自動分割[J];蘇州大學(xué)學(xué)報(自然科學(xué)版);2003年03期

10 王彩鳳;馬超;廖福成;;高階馬爾可夫隨機場下目標識別模型的建立[J];計算機工程與應(yīng)用;2013年19期

相關(guān)會議論文 前6條

1 李曉燕;葉龍;王京玲;;基于馬爾可夫隨機場的紋理合成[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

2 杜馨瑜;李永杰;堯德中;;一種新的小波域高斯-馬爾可夫隨機場混合金字塔模型[A];中國生物醫(yī)學(xué)工程進展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（上冊）[C];2007年

3 胡陽漣;趙鳳群;戴芳;張輝;;一種基于馬爾可夫隨機場的快速圖像分割算法[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

4 徐戈;黃志強;;基于置信度傳播的MSTAR圖像的分割算法[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

5 魏波;李曉峰;李在銘;;在運動場景中檢測運動目標[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

6 鄭海紅;曾平;;估值與去噪相結(jié)合的逆半調(diào)算法[A];全國第13屆計算機輔助設(shè)計與圖形學(xué)（CAD/CG）學(xué)術(shù)會議論文集[C];2004年

相關(guān)博士學(xué)位論文 前3條

1 張驥祥;小波變換和馬爾可夫隨機場在圖像處理中的應(yīng)用研究[D];天津大學(xué);2007年

2 張印輝;多尺度馬爾可夫隨機場圖像分割方法研究[D];昆明理工大學(xué);2010年

3 高如新;2.1維簡約圖的表達、計算與應(yīng)用[D];華中科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 羅欣;馬爾可夫隨機場的小波域圖像建模及應(yīng)用研究[D];長安大學(xué);2015年

2 亓玉佩;高階乘冪法應(yīng)用于基于馬爾可夫隨機場的肺部4D CT圖像配準方法研究[D];山東大學(xué);2017年

3 石嶺;基于馬爾可夫隨機場的木材表面紋理分類方法的研究[D];東北林業(yè)大學(xué);2006年

4 王瑞;基于馬爾可夫隨機場的非紋理圖像修補技術(shù)研究[D];長春理工大學(xué);2009年

5 王琳;基于馬爾可夫隨機場的金屬疲勞斷口圖像的紋理分割[D];南昌航空大學(xué);2011年

6 賈越;基于馬爾可夫隨機場算法的水下圖像深度提取[D];中國海洋大學(xué);2014年

7 林芬華;基于馬爾可夫隨機場的膝關(guān)節(jié)磁共振圖像分割方法的研究[D];合肥工業(yè)大學(xué);2010年

8 徐步玉;基于馬爾可夫隨機場的運動目標檢測方法研究[D];合肥工業(yè)大學(xué);2011年

9 劉一舟;基于馬爾可夫隨機場的超聲圖像降噪分析[D];武漢大學(xué);2005年

10 殷文龍;馬爾可夫隨機場在視網(wǎng)膜血管分割中的應(yīng)用[D];云南大學(xué);2015年

，

本文編號：2359388