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  

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 岳有军[1] 王红君[1] Zhao Hui

机构地区：[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

出　　处：《江苏农业科学》2019年第18期136-140,共5页Jiangsu Agricultural Sciences

基　　金：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)

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。

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 

分 类 号：S126[农业科学—农业基础科学]