基于GrabCut算法的玉米病害图像识别方法研究

论文摘要

GrabCut算法是一种交互式操作少、分割精度高的图像分割方法,但是对于前背景颜色相近或低对比度的区域时难以准确分割前景区域。鉴于此,在实现GrabCut算法的自动分割的基础上,融合基于显著性的SLIC算法来对玉米病害图像进行更好的目标识别和图像分割。以玉米小斑病、大斑病和灰斑病三种病害的图像作为样本,采用融合显著信息的GrabCut算法与相同样本数量和条件下的One-Cut算法和SLIC算法进行试验和对比分析。试验表明,同其他两种算法相比,本文算法对于试验中玉米的三种病害具有更好的分割精度,对于玉米的叶鞘、茎和叶片部分的图像丢失率能够保持在1%以下,分别为0.899%、0.229%和0.914%,对于玉米病害部分能够进行有效地提取,具有较好的分割效果,对于玉米小斑病、大斑病和灰斑病的识别率上能够达到91.67%、86.36%和72.00%,同时通过训练模式进行验证,识别率分别能够达到87.2%、82.4%和83.6%,拒识率分别为4.5%、6.7%和6.3%。

论文目录

• 0 引言
• 1 材料与方法
•   1.1 数据来源
•   1.2 病害图像平滑锐化处理
•   1.3 融合显著信息的GrabCut算法
•   1.4 机器学习方法
•     1.4.1 One-Cut算法
•     1.4.2 SLIC算法
•     1.4.3 GrabCut算法
•     1.4.4 MATLAB
•     1.4.5 BP神经网络
•   1.5 对比试验
•   1.6 分割算法评估方法
• 2 结果与讨论
• 3 结论

文章来源

类型: 期刊论文

作者: 顾博,邓蕾蕾,李巍,吕博

关键词: 图像分割,算法,玉米病虫害

来源: 中国农机化学报 2019年11期

年度: 2019

分类: 农业科技,信息科技

专业: 植物保护,计算机软件及计算机应用

单位: 吉林农业大学信息技术学院,吉林农业大学外国语学院,吉林农业大学食品科学与工程学院

基金: 吉林省教育厅“十三五”科研规划课题(JJKH20180650KJ)

分类号: S435.13;TP391.41

DOI: 10.13733/j.jcam.issn.2095-5553.2019.11.23

页码: 143-149

总页数: 7

文件大小: 1697K

下载量: 267