基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高葡萄叶片病害图像中病斑分割性能,提出了一种基于显著性目标检测的病斑分割方法.采用显著性目标检测网络来生成葡萄病害叶片图像的显著性图,通过多种分辨率的网格结构提取图像局部和全局信息,并将它们融合成预测特征;再对病害叶片的显著性图用自适应阈值法分割出叶片上的病害区域,并用形态学方法进行后处理.结果 表明,在测试集A上,所建立的方法对病斑分割性能指标马修斯相关系数(MCC)为0.625,略低于对比算法全卷积神经网络(FCN)的0.689,但在衡量泛化性能的测试集B上,所建立方法的MCC为0.338,远高于FCN的0.072,说明所建立方法在分割精度和泛化性方面具有较好的平衡性.
推荐文章
基于显著性的目标自动分割算法
区域合并
显著性
频谱残差
膨胀
图像分割
基于Faster R-CNN的显著性目标检测方法
视觉显著性
目标检测
元胞自动机
超像素分割
基于全局颜色对比的显著性目标检测
全局颜色对比
显著性图
条件随机场
显著性目标检测
基于显著性检测的蔬菜鳞翅目害虫图像自动分割算法
鳞翅目
图像分割
显著性分析
非交互式
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于显著性目标检测的葡萄叶片病害分割
来源期刊 湖南农业大学学报(自然科学版) 学科 工学
关键词 葡萄叶片病害 分割 显著性目标检测
年,卷(期) 2021,(1) 所属期刊栏目 农业工程
研究方向 页码范围 101-107
页数 7页 分类号 TP391.41
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (157)
共引文献  (53)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(8)
  • 参考文献(0)
  • 二级参考文献(8)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(10)
  • 参考文献(0)
  • 二级参考文献(10)
2011(16)
  • 参考文献(0)
  • 二级参考文献(16)
2012(11)
  • 参考文献(0)
  • 二级参考文献(11)
2013(25)
  • 参考文献(1)
  • 二级参考文献(24)
2014(8)
  • 参考文献(1)
  • 二级参考文献(7)
2015(19)
  • 参考文献(0)
  • 二级参考文献(19)
2016(12)
  • 参考文献(0)
  • 二级参考文献(12)
2017(8)
  • 参考文献(3)
  • 二级参考文献(5)
2018(5)
  • 参考文献(1)
  • 二级参考文献(4)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
葡萄叶片病害
分割
显著性目标检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
湖南农业大学学报(自然科学版)
双月刊
1007-1032
43-1257/S
大16开
长沙市芙蓉区湖南农业大学内
42-157
1951
chi
出版文献量(篇)
3318
总下载数(次)
6
总被引数(次)
37061
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导