基于G-MRF模型的玉米叶斑病害图像的分割

摘要：

[目的]图像分割是作物病害自动识别系统实现的难点之一,前人研究大多采用基于阈值或聚类的分割算法,方法简单、易于实现,但分割精度较低.本文引入高斯模型的Markov随机场分割模型(G-MRF),对玉米叶部病斑图像进行分割试验,以期提高分割精度.[方法]在VC6.0下实现了G-MRF分割模型,G-MRF既利用了图像像素的灰度信患,又通过像素类别标记的Gibbs光滑先验概率引入了图像的空闻信息,是能较好地分割含有噪声图像的算法.采用该算法对大斑病,小斑病、灰斑病和弯孢菌叶斑病等4种主要玉米叶部病害的图像进行了分割测试,并与基于阈值和基于Gauss模型的分割算法进行比较.[结果]基于G-MRF分割模型的分割,目标区域的一致性和边缘的清晰方面明显好于基于阈值和Gauss模型的分割算法,其平均正确分类率达96.35%,分别较基于阈值和基于Gauss模型的分割算法高出3.75%和4.03%,差异达到显著水平.[结论]基于G-MRF模型的分割算法鲁棒性高,能够有效地将病斑区域从叶片部分离,分割正确分类率达96.35%,可用于玉米叶斑类病害图像的分割.

关键词：Gauss、Markov、玉米叶部病斑、图像分割

所属期刊栏目：43

分类号：S4(植物保护)

资助基金：国家高技术研究发展计划（863计划）2007AA10Z237

在线出版日期：2010-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1363-1369