發(fā)布時(shí)間：2020-03-30 16:07

【摘要】：作物病害葉片圖像分割是基于圖像分析和計(jì)算機(jī)視覺(jué)的作物病害識(shí)別方法研究中的難題,是從原始病害葉片圖像中提取出顯著的感興趣病斑區(qū)域,剔除非顯著的不重要區(qū)域,突出病斑圖像的重要部分,有利于作物病害的后期檢測(cè)、診斷和識(shí)別。病害葉片圖像分割是圖像處理領(lǐng)域的一個(gè)重要課題,是作物葉片圖像病蟲(chóng)害識(shí)別方法中的關(guān)鍵步驟,在作物病害自動(dòng)識(shí)別領(lǐng)域和農(nóng)業(yè)自動(dòng)化領(lǐng)域中越來(lái)越重要。盡管作物病害葉片圖像的分割方法很多,但很多方法的分割精度還不能滿足當(dāng)前的作物病害識(shí)別系統(tǒng)的實(shí)際需要。閾值法是應(yīng)用最廣泛的一種方法,但它依賴于特征圖和閾值,而且在作物病害葉圖像閾值分割方法中,假設(shè)原始圖像可以分割。也就是說(shuō),顏色直方圖中的谷可以分割病害葉片的病斑區(qū)域。然而,由于病害葉片圖像復(fù)雜多樣,而且含有大量的顏色成分和噪聲,因此作物病害葉片圖像的直方圖中沒(méi)有明顯的谷點(diǎn)。所以很多傳統(tǒng)的圖像分割方法不能直接應(yīng)用于病害葉片圖像分割。圖像預(yù)處理過(guò)程中的濾波、平滑和增強(qiáng)可以提高分割效果。局部二值模式(Local Binary pattern,LBP)算子具有較強(qiáng)的判別能力,而且計(jì)算簡(jiǎn)單的特點(diǎn),在實(shí)時(shí)系統(tǒng)中易于實(shí)現(xiàn),因此在許多領(lǐng)域特別是計(jì)算機(jī)視覺(jué)中得到了廣泛應(yīng)用。盡管LBP被應(yīng)用于圖像分割中取得了較好的效果,但它在復(fù)雜的作物病害葉片圖像分割中的效果較差。針對(duì)作物病害識(shí)別中的病害葉片圖像分割難題,本文研究LBP及其改進(jìn)算法,并將其用于實(shí)際的病害葉片圖像分割中。植物病害識(shí)別中只有精確、完整地分割出病斑圖像,才能準(zhǔn)確地對(duì)病害圖像進(jìn)行定量化的特征表示與描述。由于病害葉片圖像的復(fù)雜多樣性,使得目前很多圖像分割方法很少能達(dá)到這個(gè)要求。為此,我們提出一種改進(jìn)的LBP算法,記為改進(jìn)的自適應(yīng)對(duì)稱LBP(Modified Adaptive Center-symmetric LBP,MACLBP),并與Otsu閾值分割方法相結(jié)合,應(yīng)用于病害葉片圖像分割。其主要貢獻(xiàn)為:(1)根據(jù)病害葉片圖像的顏色和紋理特征對(duì)傳統(tǒng)LBP模式分類方法重定義;(2)定義了一種塊顏色相似度S,若某塊的S值偏小,則把該塊歸類為非病斑,不進(jìn)行圖像分割,直接把該塊歸為無(wú)意義局部模式。該度量不僅表征了病害葉片顏色中病斑顏色的分布信息,而且彌補(bǔ)了顏色直方圖中忽略不同顏色對(duì)病斑區(qū)域相關(guān)性的不足;(3)提出了一種改進(jìn)的LBP算法(MACLBP),該算法利用了每個(gè)像素點(diǎn)與鄰近像素點(diǎn)之間的相關(guān)性,利用自適應(yīng)中心對(duì)稱局部二值模式(ACS-LBP)算法獲取不同區(qū)域的紋理特征直方圖和權(quán)值,經(jīng)過(guò)加權(quán)連接得到病斑的加權(quán)紋理特征直方圖向量;(4)利用Otsu算法對(duì)得到LBP特征圖進(jìn)行閾值分割,從而得到病斑圖像的二值圖。該方法根據(jù)圖像的灰度級(jí)分布特性,以病斑部分和正常葉片部分的類間方差最大為閾值選取的準(zhǔn)則。通過(guò)這些改進(jìn),所提出的病害葉片圖像分割方法具有計(jì)算速度快、抗噪性強(qiáng)、對(duì)光照條件的魯棒性高,且不必預(yù)先分割出病害葉片區(qū)域,即可分割出病斑圖像。該方法不僅考慮中心像素點(diǎn)與鄰域像素點(diǎn)的之間的差值,而且考慮了像素點(diǎn)與其鄰域點(diǎn)之間的相關(guān)性,突出了圖像灰度值變化的強(qiáng)度和像素的顯著性,增加了病斑與健康部分的對(duì)比度,而且在作物病害葉片圖像部分和正常綠色部分的邊界處的邊緣輪廓信息更明顯。實(shí)驗(yàn)結(jié)果表明,該方法能夠精確、完整地分割出病斑,并且不需要預(yù)先分割出病斑區(qū)域,為后期病害葉片圖像的定量化描述和病害識(shí)別應(yīng)用提供了有效手段。
【圖文】：

作物病害識(shí)別過(guò)程

LBP在場(chǎng)景中客體分割中的應(yīng)用
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：S432;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張竹偉;周海英;;基于區(qū)域色彩空間和LBP算法的圖像分割[J];微電子學(xué)與計(jì)算機(jī);2015年02期

2 朱林;趙建;馮全;楊梅;張華南;;基于LBP濾波和ACWE的葡萄病害圖像分割方法[J];中國(guó)農(nóng)機(jī)化學(xué)報(bào);2014年06期

3 覃海松;黃忠朝;趙于前;彭子壯;;一種新的MLBP-Otsu算法及在舌裂紋分割中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2014年23期

4 詹曙;胡德鳳;蔣建國(guó);;結(jié)合GLWT和LBP提取紋理特征的圖像分割[J];電子測(cè)量與儀器學(xué)報(bào);2014年02期

5 袁媛;李淼;陳晟;江海洋;董俊;;復(fù)雜背景黃瓜葉部病害圖像分割方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年10期

6 劉偉;童同;黃煜峰;馮煥清;;基于LBP的改進(jìn)Random Walks算法在顱腦磁共振影像分割中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2013年03期

7 郭艷蓉;蔣建國(guó);郝世杰;詹曙;李鴻;;基于LBP紋理特征的隨機(jī)游走圖像分割[J];電路與系統(tǒng)學(xué)報(bào);2013年01期

8 汪建;;結(jié)合顏色和區(qū)域生長(zhǎng)的茶葉圖像分割算法研究[J];茶葉科學(xué);2011年01期

9 任艷娜;席磊;汪強(qiáng);馬新明;;基于高斯概率模型的水稻重疊病斑分割算法[J];計(jì)算機(jī)仿真;2011年02期

10 關(guān)海鷗;許少華;譚峰;;基于遺傳模糊神經(jīng)網(wǎng)絡(luò)的植物病斑區(qū)域圖像分割模型[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2010年11期

相關(guān)碩士學(xué)位論文 前1條

1 汪京京;復(fù)雜背景下小麥病害圖像分割方法研究及應(yīng)用[D];安徽農(nóng)業(yè)大學(xué);2014年

，

本文編號(hào)：2607758