JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

一种改进的植物叶片病斑区域边缘提取技术

夏永泉 曾莎 李耀斌

夏永泉, 曾莎, 李耀斌. 一种改进的植物叶片病斑区域边缘提取技术[J]. 轻工学报, 2015, 30(1): 67-70. doi: 10.3969/j.issn.2095-476X.2015.01.014
引用本文: 夏永泉, 曾莎, 李耀斌. 一种改进的植物叶片病斑区域边缘提取技术[J]. 轻工学报, 2015, 30(1): 67-70. doi: 10.3969/j.issn.2095-476X.2015.01.014
XIA Yong-quan, ZENG Sha and LI Yao-bin. An improved edge extraction technology of the plant leaf disease region[J]. Journal of Light Industry, 2015, 30(1): 67-70. doi: 10.3969/j.issn.2095-476X.2015.01.014
Citation: XIA Yong-quan, ZENG Sha and LI Yao-bin. An improved edge extraction technology of the plant leaf disease region[J]. Journal of Light Industry, 2015, 30(1): 67-70. doi: 10.3969/j.issn.2095-476X.2015.01.014

一种改进的植物叶片病斑区域边缘提取技术

  • 基金项目: 河南高校青年骨干教师资助计划(2010GGJS-114)
    国家自然科学基金项目(61302118)

  • 中图分类号: TP391.41

An improved edge extraction technology of the plant leaf disease region

  • Received Date: 2014-09-19
    Available Online: 2015-01-15

    CLC number: TP391.41

  • 摘要: 针对传统Canny算子边缘检测时容易丢失边缘细节的缺陷,提出了一种改进的植物叶片病斑区域边缘提取技术.运用最大类间方差法对病害图像进行二值化,添加对两个斜方向上梯度信息的提取,更加完整地保存了梯度信息,从而得到更完整的边缘图像.实验结果表明,本文方法能够有效地滤除图像中的噪声,检测到细节梯度,去除伪边缘和噪声边缘,得到更加精确的病斑区域边缘.
    1. [1]

      Liu T, Yuan Z J, Sun J, et al.Learning to detect asalient object[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011,33(2):353.

    2. [2]

      Martin D R, Fowlkes C C, Malik J.Learning to detect natural image boundaries using local brightness, color, and texture cues[J].IEEE Transactions on Parrern Analysis and Machine Intelligence, 2004,26(5):530.

    3. [3]

      彭辉,文友先,吴兰兰,等.采用自适应canny算子的树上柑橘图像边缘检测[J].计算机工程与应用,2011,47(9):163.

    4. [4]

      夏永泉,王会敏,曾莎.基于Android的植物叶片图像病害检测[J].郑州轻工业学院学报:自然科学版,2014,29(2):71.

    5. [5]

      梁光明,孙即祥,马琦,等.Otsu算法在Canny算子中的应用[J].国防科技大学学报,2003,25(5):36.

    6. [6]

      靳艳红,蒙建军.一种基于Canny算子改进的边缘检测算法[J].重庆文理学院学报:自然科学版,2011,30(2):27.

    7. [7]

      徐亮,魏锐.基于Canny算子的图像边缘检测优化算法[J].科技通报,2013,29(7):127.

    1. [1]

      苑彬金慧骈琳高思今黄泽华 . 美拉德反应对食品品质与安全的影响及其产物检测研究进展. 轻工学报, 2024, 39(2): 60-68. doi: 10.12187/2024.02.008

    2. [2]

      方亦成杨菁陆诚玮冯奇汪旭 . 基于层次分析法的加热卷烟感官评价指标筛选及其权重建立. 轻工学报, 2024, 39(2): 107-113. doi: 10.12187/2024.02.014

  • 加载中
计量
  • PDF下载量:  20
  • 文章访问数:  735
  • 引证文献数: 0
文章相关
  • 收稿日期:  2014-09-19
  • 刊出日期:  2015-01-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
夏永泉, 曾莎, 李耀斌. 一种改进的植物叶片病斑区域边缘提取技术[J]. 轻工学报, 2015, 30(1): 67-70. doi: 10.3969/j.issn.2095-476X.2015.01.014
引用本文: 夏永泉, 曾莎, 李耀斌. 一种改进的植物叶片病斑区域边缘提取技术[J]. 轻工学报, 2015, 30(1): 67-70. doi: 10.3969/j.issn.2095-476X.2015.01.014
XIA Yong-quan, ZENG Sha and LI Yao-bin. An improved edge extraction technology of the plant leaf disease region[J]. Journal of Light Industry, 2015, 30(1): 67-70. doi: 10.3969/j.issn.2095-476X.2015.01.014
Citation: XIA Yong-quan, ZENG Sha and LI Yao-bin. An improved edge extraction technology of the plant leaf disease region[J]. Journal of Light Industry, 2015, 30(1): 67-70. doi: 10.3969/j.issn.2095-476X.2015.01.014

一种改进的植物叶片病斑区域边缘提取技术

  • 郑州轻工业学院 计算机与通信工程学院, 河南 郑州 450001
基金项目:  河南高校青年骨干教师资助计划(2010GGJS-114)国家自然科学基金项目(61302118)

摘要: 针对传统Canny算子边缘检测时容易丢失边缘细节的缺陷,提出了一种改进的植物叶片病斑区域边缘提取技术.运用最大类间方差法对病害图像进行二值化,添加对两个斜方向上梯度信息的提取,更加完整地保存了梯度信息,从而得到更完整的边缘图像.实验结果表明,本文方法能够有效地滤除图像中的噪声,检测到细节梯度,去除伪边缘和噪声边缘,得到更加精确的病斑区域边缘.

English Abstract

参考文献 (7) 相关文章 (2)

目录

/

返回文章