基于显著性目标检测的葡萄叶片病害分割
为提高葡萄叶片病害图像中病斑分割性能,提出了一种基于显著性目标检测的病斑分割方法.采用显著性目标检测网络来生成葡萄病害叶片图像的显著性图,通过多种分辨率的网格结构提取图像局部和全局信息,并将它们融合成预测特征;再对病害叶片的显著性图用自适应阈值法分割出叶片上的病害区域,并用形态学方法进行后处理.结果 表明,在测试集A上,所建立的方法对病斑分割性能指标马修斯相关系数(MCC)为0.625,略低于对比算法全卷积神经网络(FCN)的0.689,但在衡量泛化性能的测试集B上,所建立方法的MCC为0.338,远高于FCN的0.072,说明所建立方法在分割精度和泛化性方面具有较好的平衡性.
葡萄叶片病害、分割、显著性目标检测
47
TP391.41(计算技术、计算机技术)
国家自然科学基金项目;中央高校基本科研业务费项目
2021-02-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
101-107