|本期目录/Table of Contents|

[1]赵辉,芮修业,岳有军,等.复杂背景下基于AD-GAC模型和最大熵阈值法的叶片病斑分割[J].江苏农业科学,2019,47(18):136-140.
　Zhao Hui,et al.Segmentation of leaf lesion under complex background based on AD-GAC model and maximum entropy threshold method[J].Jiangsu Agricultural Sciences,2019,47(18):136-140.
点击复制

复杂背景下基于AD-GAC模型和最大熵
阈值法的叶片病斑分割(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第47卷
期数:
2019年第18期
页码:
136-140
栏目:
植物保护
出版日期:
2019-10-15

文章信息/Info

Title:
Segmentation of leaf lesion under complex background based on AD-GAC model and maximum entropy threshold method
作者:
赵辉1; 2;  芮修业1;  岳有军1;  王红君1
1.天津理工大学/天津市复杂系统控制理论与应用重点实验室，天津 300384； 2.天津农学院，天津 300384
Author(s):
Zhao Hui; et al
关键词:
各向异性扩散; 测地线活动轮廓; 复杂背景; 最大熵阈值法; 病斑分割
Keywords:
-
分类号:
S126
DOI:
-
文献标志码:
A
摘要:
旨在研究复杂背景下叶片病斑的分割。由于复杂背景会带来巨大的噪声，产生过多的边缘和灰度值不均匀的区域，很容易导致过分割的现象，因此在复杂背景下，很难通过1次分割就完成对叶片病斑的分割。为了解决复杂背景下过分割的现象，提出两步分割的策略。第1步先用笔者提出的各向异性扩散测地线活动轮廓模型(anisotropic diffusion geodesic active contour model，简称AD-GAC模型)进行预分割，在此过程中构造新的边缘检测函数(edge stop function，简称ESF)；第2步通过最大熵阈值法完成最终的分割。随后，提取并计算预分割部分各像素灰度值的最大熵，以得到病斑部分与叶片部分的灰度值阈值，通过阈值来完成最后1步的分割。通过MATLAB仿真，可以证明该算法可以有效地将病斑从复杂背景下的叶片上分割出来。研究结果后续的病斑识别作了铺垫。
Abstract:
-

参考文献/References:

［1］Mai X C，Meng M Q H，Automatic lesion segmentation from rice leaf blast field images based on random forest［C］. RCAR，2016：255-259.
［2］Hu Q X，Tian J，He D J. Wheat leaf lesion color image segmentation with improved multichannel selection based on the ChanVese model［J］. Computers and Electronics in Agriculture，2017，135(C)：260-268.
［3］Zaitoun N M，Aqel M J. Survey on image segmentation techniques［J］. Procedia Computer Science，2015，65：797-806.
［4］Pratondo A，Ong S H，Chui C K，Region growing for medical image segmentation using a modified multiple-seed approach on a multi-core CPU computer［C］//The 15th International Conference on Biomedical Engineering，2013：112-115.
［5］Vincent L，Soille P，Watersheds in digital spaces：an efficient algorithm based on immersion simulations［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，1991，13(6)：583-598.
［6］Zhou S P，Wang J J，Zhang S，et al. Active contour model based on local and global intensity information for medical image segmentation［J］. Neurocomputing，2016，186：107-118.
［7］Kass M，Witkin A，Terzopoulos D. Snakes：active contour models［J］. International Journal of Computer Vision，1988，1(4)：321-331.
［8］Zeng L，Chen J，Xu Y F，et al. Level set method for image segmentation based on local variance and improved intensity inhomogeneity model［J］. IET Image Processing，2016，10(12)：1007.
［9］Csaelles V，Kimmel R，Sapiro G. Geodesic active contours［C］//Proceedings of IEEE International Conference on Computer Vision，1995：694-699.
［10］Perona P，Malik J. Scale-space and edge detection using anisotropic diffusion［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，1990，12(7)：629-639.
［11］Caselles V，Catt F，Coll T，et al. A geometric model for active contours in image processing［J］. Numerische Mathematik，1993，66(1)：1-31.
［12］Osher S，Fedkiw R. Level set methods and dynamic implicit surfaces［M］. New York：Springer-Verlag，2002：158-174.
［13］Li C M，Xu C Y，Gui C F，et al. Level set evolution without re-initialization：a new variational formulation［C］//IEEE Conf Comput Vis Pattern Recognit，2005：430-436.
［14］Long J W，Zhang J X，Xiang N，et al. An iterative maximum entropy thresholding algorithm［C］//2016 International Conference on Cyberworlds，2016：171-174.
［15］Tian J，Hu Q X，Ma X Y. Color image segmentation of plant lesion using improved C-V model based on Gaussian distribution［J］. Transactions of the Chinese Society of Agricultural Engineering，2013，29(16)：166-173.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2018-06-14
基金项目：天津市科技计划(编号：15ZXZNGX00290)；天津市农业科技成果转化与推广项目(编号：201203060、201303080)。
作者简介：赵辉(1963—)，男，天津人，博士，主要研究方向为复杂系统智能控制理论与应用、农业信息与精准农业智能监测理论与技术。E-mail：zhaohui3379@126.com。
通信作者：芮修业，硕士研究生，主要研究方向为数字图像处理与模式识别。E-mail：292318849@qq.com。
更新日期/Last Update: 2019-09-20