利用特征分割和病斑增强的杨树叶部病害识别

摘要：

[目的]针对杨树Populus黑星病早期特征和杨树花叶病病斑不明显的特点,提出通过对图像集进行预处理的方法以提高识别精度的方案.[方法]为去除图像背景的影响,采用基于改进的Canny算子边缘检测法并结合霍斯变换提取叶片轮廓;借助限制对比度自适应直方图均衡化算法降低局部光照不均带来的影响并增强病斑的特征;使用自适应阈值的OTSU分割算法提取病斑图像.最后将预处理得到的病斑特征二值化图像和病斑图像,分别输入由5个卷积层、3个全连接层、650000个神经元及超过6000万个学习参数的Alexnet神经网络进行训练并验证准确率.[结果]研究最终分别获得93.56％和98.07％的验证集识别精度,较原图像实验组88.77％的识别精度有显著提升.提出的提取叶片轮廓的结合方法能够完整提取不同背景下的叶片主体图像,有效避免目标叶片的背景干扰;限制对比度自适应直方图均衡化算法对自然环境下拍摄产生的不均匀光照有较好的处理效果,有效降低反光等因素的干扰.[结论]几种病害图像预处理对提高识别精度效果明显,识别能力远超过未经处理的原始病害图像识别,有助于提高杨树叶部病害的智能识别能力.

关键词：森林保护学、杨树病害、卷积神经网络、图像分割、病斑识别

所属期刊栏目：37

分类号：S763.1(森林保护学)

资助基金："十三五"国家重点研发计划项目2017YFD0600906

在线出版日期：2020-12-15（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：1159-1166