基于自适应学习局部二值模式的苹果叶部病斑分割与检测

摘要：

为了准确、快速地检测作物叶部病害,提出一种基于自适应学习局部二值模式(adaptive learning local binary pattern,简称ALLBP)的苹果叶部病斑分割与检测方法.首先利用ALLBP获取正常叶片图像和病害叶片图像的特征差异,并确定病斑判断阈值,然后将待识别的叶片图像分割为大小相同的子块,再提取同样的特征与阈值进行比较,以判定各子块中是否有病斑.结果表明,该方法能够有效检测苹果病斑的分布特性,与局部二值模式(local binary pattern,简称LBP)和中心对称局部二值模式(center-symmetric local binary pattern,简称CS-LBP)相比,该方法具有更少的特征维数和更高的正确识别率.

关键词：苹果病害叶片、叶片病斑检测、局部二值模式、自适应学习局部二值模式、病斑判断阈值、中心对称局部二值模式

所属期刊栏目：45

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61473237;陕西省教育厅自然科学研究项目2013JK887

在线出版日期：2018-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：243-246