《基于融合多特征图切割的作物病害图像自动分割 Automatic segmentation of plant disease images based on graph cuts fusing multiple features》.pdfVIP

第30 卷 第17 期 农 业 工 程 学 报 Vol.30 No.17 212 2014 年 9 月 Transactions of the Chinese Society of Agricultural Engineering Sep. 2014 基于融合多特征图切割的作物病害图像自动分割 1,2 2 ※ 1,2 2 吴 娜 ，李 淼 ，陈 晟 ，袁 媛 ， 曾新华2 2 2 1,2 ，陈 雷 ，孙熊伟 ，卞程飞 （1. 中国科学技术大学信息科学技术学院，合肥 230026 ； 2. 中国科学院合肥智能机械研究所，合肥 230031 ） 摘 要：为提高黄瓜叶部病害图像的分割性能，该文提出一种基于融合多特征图切割的病害图像自动分割方法。 首先采用一种新的阈值化方法对原始病害图像的红色分量进行二值化处理；然后融合纹理、灰度、距离3 个特征 构建能量函数的边界项，描述像素间的相似性；再利用分割区域像素与区域边界像素的红色分量差值自动建立能 量函数的区域项，反映像素归属于背景和目标的程度；最后运用最大流算法求解能量函数得到分割结果。将该方 法应用于黄瓜3 种病害（靶斑病、霜霉病和白粉病）叶部图像分割中，并与OTSU 算法及半自动图切割算法的分 割结果进行比较。试验结果表明，该方法的平均错分率为 1.81%，低于其他2 种算法，平均分割速度约为2.34 s 并无大幅增加。该研究可为黄瓜病害的自动识别和诊断提供技术参考。 关键词：作物；病害；图像处理；图切割；多特征；黄瓜 doi ：10.3969/j.issn.1002-6819.2014.17.027 中图分类号：TP391.4; S24 文献标志码：A 文章编号：1002-6819(2014)-17-0212-08 吴 娜，李 淼，陈 晟，等. 基于融合多特征图切割的作物病害图像自动分割[J]. 农业工程学报，2014，30(17)： 212－219. Wu Na, Li Miao, Chen Sheng, et al. Automatic segmentation of plant disease images based on graph cuts fusing multiple features[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(17): 212 －219. (in Chinese with English abstract) 像分割算法如阈值法、边缘检测法和区域生长法[2-7] 0 引 言 及与特定理论相结合的方法如基于模糊理论的方 农作物在生长发育过程中容易感染各种病害， 法、神经网络法和基于图论的方法[8-12] 。由于基于 严重时会导致其产量和品质的下降，对作物病害进 图论的图像分割方法将图像的全局分割与局部信息 行及时诊断是避免损失的重要前提。一般对于发病 处理结合起来，具有很好的普遍适用性及良好的分割 作物的诊断，主要依靠人眼判别。农民由于缺乏专 效果，因此本文将图论的方法引入病害图像的分割 业知识，容易形成误判，而农业专家又无法全天候 中。目前，已有很多基于图论的图像分割技术，其中 全方位在田间基层提供服务。近年来，随着计算机 [12]