基于改进U-Net的水稻叶片细胞分割方法研究

摘要：

针对水稻叶片细胞图像中存在边界模糊、信噪比低和叶肉细胞相互粘连堆叠等特点导致分割精度不高的问题,提出一种基于改进U-Net的水稻叶片细胞分割方法.首先,将BA模块引入到ResNeXt网络中组成BAResNeXt模块作为网络的编码器,在提取深层的语义特征时提高网络对叶肉细胞的关注度;其次,在编码器与解码器之间加入通道交叉注意力机制,缓和解码器和编码器的语义歧义来增强分割图像特征的信息融合;最后,在解码器上采样阶段中使用SE注意力机制,以便过滤分割图像背景的干扰信息.为了验证该方法的有效性,将其与U-Net、Res-UNet、U-Net++和p Deeplabv3+等深度学习网络进行试验比对,结果表明,改进的方法在水稻叶片细胞分割中表现最好,其查准率为96.03％、召回率为97.67％、准确率为97.47％、交并比为93.96％,相似系数为96.78％,均比其他网络高.

关键词：水稻叶片、细胞分割、U-Net、注意力机制、特征融合

所属期刊栏目：52

分类号：TP391;S126(计算技术、计算机技术)

资助基金：国家自然科学基金;江西省自然科学基金

在线出版日期：2023-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：153-160