基于超像素的农作物病害图像分割方法研究

焦翠玲,王顺岗,张延迪,王泽辉,孔德川

（1.河南科技学院人工智能学院,河南新乡453003；2.河南科技学院信息工程学院,河南新乡453003）

随着农业信息化和人工智能技术的飞速发展,农作物病害图像处理及模式识别技术已经应用的愈加成熟,学者们在农作物病虫害识别分类、农田作物生理生态监测、农田小气候监控预警等领域开展了广泛的应用研究,取得了不少较好的科研成果.

图像分割技术是通过像素级分类方案按照需求在图像中划分若干特定目标和不同特性区域,是图像分析的第一个重要环节[1].文献[2]对大田作物玉米病害图像采用基于差分图像的处理技术,通过从叶片病害图片中提取R、G、B三原色的通道向量,使用迭代方案自动生成阈值在图像背景中分割出玉米叶片,实现了对玉米小斑病病害图像区域进行分割.文献[3]提出了一种以小麦为研究对象的病害部位诊断算法,经过小波分解变换和纹路矩阵计算,通过自动阈值算法获取小麦病害区域的二值图像,从而计算出颜色特征值并与病害数据库中图像进行比对,做出病害检测判断.文献[4]提出了利用聚类算法提取病害部位的形状、颜色等50个特征参数,以径向基函数作为核函数构建支持向量机,对小麦病害进行分割识别.文献[5]针对玉米病害图像先做预处理,然后利用Triplet loss损失函数构建卷积神经网络,用于提取、学习病害图像特征信息,再使用SIFT算法提取病害图像纹理特征……