棉田复杂背景下棉花黄萎病病斑分割算法研究

闫靖昆,黄毓贤,秦伟森,高 攀

(石河子大学信息科学与技术学院,新疆 石河子 832003)

棉花是我国重要的战略物资,全国有多个省、市、自治区生产棉花,涉棉农民达1亿多人,棉花产业在国民经济中占有重要地位. 棉花黄萎病是危害我国棉花生产最为严重的病害之一,棉花一旦感染,将减产甚至绝收[1].

从图像中分割病害作物和提取病斑是病害检测和病害识别过程中的重要步骤,传统检测方法常采用阈值分割法对简单背景下的病害叶部图像进行分割,取得了较好的分割效果[2]. 但是大田环境下图像中作物背景复杂,颜色成分丰富,包含较多噪声和不确定像素,对作物病斑的提取造成严重的干扰,采用单一阈值分割,很难取得较好效果.

基于传统机器学习方法,袁媛等[3]针对复杂背景下的病害图像,有机结合OTSU方法和超G方法以消除大田图像中的无用背景,而后根据预处理后图像的红色分量(R)自动建立数据项,将相邻像素间红色分量的差值作为平滑项,构建了基于阈值预处理的图分割算法. 虽然转换颜色模型和使用OTSU方法有效降低了计算量,并消除了图像受亮度和对比度的影响,但是OTSU方法分割目标单一,当目标和背景面积比例相差悬殊时,类间方差函数呈现出的双峰或者多峰导致了较差的分割效果.

大田环境下采集的棉花病叶图像存在光照不均匀和背景复杂等问题,同时棉花叶片的病变往往是不规则的、复杂的和随时间变……