《基于水平集的作物病叶图像分割方法 Segmentation method for crop disease leaf images with complex background》.pdfVIP

第27卷第2期 农业工程学报 、，01．27No．2 208 Transactions Feb．201l 2011年2月 oftheCSAE 基于水平集的作物病叶图像分割方法 袁媛1，一，李淼脒，梁青3，胡秀珍4，张伟4 (1．安徽农业大学农学院，合肥230036： 2．中科院合肥智能机械研究所，合肥230031； 3．大同电力高级技工学校，大同037039：4．中国科学技术大学信息科学技术学院，合肥230026) 摘要：针对具有复杂背景的作物病叶图像中的叶片提取问题，提出了一种基于先验信息的水平集模型。首先，在LBF 模型中引入纹理信息——结构张量，构造新的水平集模型；其次，采用水平集方法表示目标叶片形状，并将先验形状信 息以能量泛函的表达形式引入到上述新的水平集模型中，得到新的基于先验信息的水平集模型；最后，利用该模型对具 有复杂背景的黄瓜病叶图像进行分割。结果表明，该方法能准确地提取具有复杂背景黄瓜病叶图像中的病叶，为后续的 病斑提取、识别和诊断奠定前期基础。 关键词：图像分割，水平集方法，结构张量，先验形状，复杂背景 doi：10．3969／j．issn．1002—6819．2011．02．035 中图分类号：TP391．4，$24 文献标志码：A 文章编号：1002-6819(2011)一02—0208-05 袁嫒，李淼，梁青，等．基于水平集的作物病叶图像分割方法[J】．农业工程学报，2011，27(2)：208—212． Yuan with Yuaa,Li methodfor diseasekaf Miao，LiangQing，eta1．Segmentationcrop imagescomplexbackground[J]． Transactionsofthe Chinesewith CSAE，2011，27(2)：208--212．(inEnglishabstrac0 何活动轮廓模型在图像分割领域得到了较快发展，但是还 0引言 需要进一步深化和完善其理论与应用方面的研究【“】。 计算机图像处理技术由于具有速度快、准确性高、 信息量大等优点，近年来在农业领域得到了迅速发展， 割模型——Ch姐-ve∞模型。该模型不依赖于图像的梯度 尤其在作物病虫害识别方面得到了较多的应用。利用该 信息，对噪声不敏感，较为适用于分割梯度无意义或者 技术及时、准确地识别病虫害，可以减少农药的使用， 提高作物产量和质量，保护生态环境。当前，利用图像 图像分割的困难性，Li 处理技术进行作物病虫害自动化和智能化诊断已经成为 合(10cal binary 一个重要研究方向。 以在较少的迭代次数内有效地分割灰度不均一图像，演 国内外利用图像处理技术进行作物病害识别研究始 化速度也得到了提高。但是，LBF模型也有其缺陷，在 于20世纪80、90年代【11，其研究内容主要集中于简单背 分割纹理图像时不能得到很好的结果。在解决实际应用 景的病害图像识别和诊断，而针对具有复杂背景的病害 问题时，针对背景复杂的图像分割问题，基于先验信息 图像处理缺乏研究。另外，对于图像目标提取大都采用