• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于優(yōu)化PCNN模型的黃瓜葉片病斑提取方法

    2018-10-16 07:14:04劉祖鵬
    江蘇農(nóng)業(yè)科學(xué) 2018年18期
    關(guān)鍵詞:病斑黃瓜顯著性

    劉祖鵬

    (河南工學(xué)院電子通信工程系,河南新鄉(xiāng)453000)

    黃瓜葉片病斑的精確提取是計(jì)算機(jī)視覺(jué)技術(shù)在黃瓜病害識(shí)別系統(tǒng)中應(yīng)用的關(guān)鍵技術(shù)之一,是農(nóng)業(yè)智能化的重要組成部分[1-2]。近年來(lái),隨著計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)業(yè)智能化系統(tǒng)中的應(yīng)用,基于機(jī)器視覺(jué)的農(nóng)作物產(chǎn)品圖像分割與識(shí)別受到了廣泛的關(guān)注[3-6]。研究人員先后對(duì)葡萄、草莓、蘋(píng)果的果實(shí)成熟問(wèn)題進(jìn)行了深入的分析和研究。通過(guò)利用圖像分割技術(shù)、圖像識(shí)別技術(shù),并聯(lián)合具體應(yīng)用對(duì)象的特征進(jìn)行優(yōu)化和改進(jìn),取得了一定的成果。先后提出了Ostu分割方法[7]、K-mean聚類(lèi)方法[8]、反向傳播神經(jīng)網(wǎng)絡(luò)方法[9]、徑向基神經(jīng)網(wǎng)絡(luò)方法[10]、LBP濾波算法[11]等,實(shí)現(xiàn)了成熟果實(shí)的智能化提取和識(shí)別?;谕瑯拥脑?,研究人員將相關(guān)方法分別引入到農(nóng)作物病害特征的提取和識(shí)別領(lǐng)域。田杰等采用主成分分析和高斯混合模型聯(lián)合的方法對(duì)小麥病害進(jìn)行提取和識(shí)別,但須要根據(jù)小麥病害的先驗(yàn)知識(shí)進(jìn)行高斯混合模型的構(gòu)建[12];楊國(guó)國(guó)等采用卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型來(lái)進(jìn)行茶葉害蟲(chóng)的定位和識(shí)別,取得了較高的定位和識(shí)別精度[13],但該方法須要豐富的樣本進(jìn)行離線訓(xùn)練,當(dāng)訓(xùn)練樣本不足時(shí),容易產(chǎn)生樣本數(shù)據(jù)的統(tǒng)計(jì)失配問(wèn)題,且算法的實(shí)時(shí)性較差;Ostu將Ostu分割方法引入到黃瓜靶斑病的提取當(dāng)中,通過(guò)采用雙顏色空間取得了較好的分割效果,但是對(duì)于較小的病斑斑點(diǎn)無(wú)法進(jìn)行有效分割[14];張芳等將超像素和K-mean聚類(lèi)方法結(jié)合進(jìn)行黃瓜病害葉片的分割,有效提升了小塊情況下的分割精度,但是對(duì)于光照度變化的葉片分割精度較差[15];韓青松將超像素同視覺(jué)顯著性特點(diǎn)聯(lián)合進(jìn)行黃瓜病斑的分割,實(shí)現(xiàn)了常見(jiàn)黃瓜病斑的有效提?。?6],但該方法在光照度較弱情況下的分割效果較差,錯(cuò)分率較大。

    針對(duì)黃瓜葉片病斑提取背景的復(fù)雜性,本研究提出一種多特征融合表征與優(yōu)化脈沖耦合神經(jīng)網(wǎng)絡(luò)(pulse coupled neural network,簡(jiǎn)稱(chēng)PCNN)模型聯(lián)合的提取方法。該方法首先對(duì)采集的黃瓜病斑葉片進(jìn)行Lab顏色空間變換,通過(guò)顏色分量的平均值和高斯濾波后的值進(jìn)行差值計(jì)算,獲取病斑葉片的頻率調(diào)諧視覺(jué)顯著性圖;接著,對(duì)采集的病斑圖像進(jìn)行HIS顏色空間轉(zhuǎn)換,并提取色調(diào)(hue,簡(jiǎn)稱(chēng)H)分量,對(duì)其進(jìn)行均衡處理,并同視覺(jué)顯著性圖聯(lián)合實(shí)現(xiàn)病斑特征的聯(lián)合表達(dá);最后,為便于對(duì)病斑進(jìn)行建模分析,對(duì)傳統(tǒng)的PCNN模型進(jìn)行簡(jiǎn)化處理。同時(shí),為了適應(yīng)不同的復(fù)雜環(huán)境,提出模型參量自適應(yīng)優(yōu)化方法,并將融合后的特征作為模型的輸入?yún)⒘?,?duì)模型的輸出結(jié)果進(jìn)行形態(tài)學(xué)處理,獲取最終的病斑提取結(jié)果?;诓杉?00幅黃瓜常見(jiàn)病斑葉片圖像進(jìn)行詳細(xì)的試驗(yàn)分析,并對(duì)本研究方法的提取精度和計(jì)算復(fù)雜度進(jìn)行詳細(xì)的分析。

    1 葉片病斑圖像的特征表達(dá)

    1.1 視覺(jué)顯著性特征提取

    頻率調(diào)諧視覺(jué)顯著性特征是Achanta在2009年提出的一種圖像頻域分析的特征,通過(guò)將圖像映射到Lab空間,獲取圖像整體的顏色平均值,并同高斯濾波后的圖像進(jìn)行差值計(jì)算,獲取相應(yīng)的頻率調(diào)諧視覺(jué)顯著性特征[17],計(jì)算公式為

    其中,

    式中:S(x,y)表示像素點(diǎn)(x,y)的頻率調(diào)諧視覺(jué)顯著性值;μ為圖像Lab空間的顏色平均值;ωhc表征經(jīng)過(guò)高斯濾波以后圖像的特征分量;Iωhc(x,y)為經(jīng)過(guò)相應(yīng)高斯濾波處理以后特征分量的矩陣;Iμ為特征分量的平均值;‖g‖表征歐式距離的計(jì)算。根據(jù)文獻(xiàn)[18],可以將頻率調(diào)諧視覺(jué)顯著性的高斯濾波表示為高斯差分的累加和,即

    式中:FN、N分別表示差分等價(jià)的帶通濾波器、高斯差分次數(shù);DOG(x,y)為高斯差分計(jì)算;G(x,y,ρnσ)表示像素點(diǎn)(x,y)處的高斯濾波算子,σ、ρn分別為算子的標(biāo)準(zhǔn)差、調(diào)節(jié)因子。根據(jù)文獻(xiàn)[18],設(shè)置 ρn+1∶ρn=1.0 ∶1.6。

    圖1分別為黃瓜褐斑病、霜霉病的頻率調(diào)諧視覺(jué)顯著性特征提取結(jié)果,可以看出,視覺(jué)顯著性圖可以明顯增強(qiáng)圖像邊緣特征和大塊病斑的提取效果,但對(duì)較小的病斑分割效果較差。

    1.2 色調(diào)均衡補(bǔ)償?shù)奶卣髟鰪?qiáng)

    視覺(jué)顯著性特征提取方法對(duì)小塊病斑提取精度較差,主要是由于光照度變化會(huì)改變圖像的灰度值,影響較小病斑的提取精確性。為進(jìn)一步降低小病斑對(duì)光照度的敏感性,引入HSI顏色空間的H分量對(duì)病斑圖像進(jìn)行增強(qiáng),主要是因?yàn)镠不受光照度影響。本研究在進(jìn)行H分量的提取過(guò)程中,參照文獻(xiàn)[19]的方法,首先對(duì)圖像進(jìn)行均衡化調(diào)整,以增強(qiáng)圖像局部顏色改變處的對(duì)比度信息,從而增強(qiáng)捕獲病斑與周?chē)伾?xì)節(jié)的差異。均衡化以后可以將H分量和頻率調(diào)諧視覺(jué)顯著性圖融合后的特征表示為

    式中:Ifusion(x,y)為像素點(diǎn)(x,y)的融合特征;H(x,y)、S(x,y)分別表示該像素點(diǎn)處的均衡化H值、頻率調(diào)諧視覺(jué)顯著性值。通過(guò)H分量的引入,可以有效增強(qiáng)病斑圖像的輪廓信息,有效提升較小病斑的區(qū)分能力。圖2為圖1提取結(jié)果經(jīng)過(guò)均衡化H分量增強(qiáng)以后的結(jié)果,可以看出,通過(guò)色調(diào)均衡補(bǔ)償后的顯著性圖得到了明顯增強(qiáng),特別是較小的病斑也得到了較好的分割效果。

    2 改進(jìn)的PCNN模型

    PCNN模型作為一種神經(jīng)網(wǎng)絡(luò)模型的分支,具有不需要訓(xùn)練、可以同步實(shí)現(xiàn)性質(zhì)相同神經(jīng)元捕捉的良好特性,目前被廣泛應(yīng)用在圖像分割領(lǐng)域[20-21]。但傳統(tǒng)的PCNN模型過(guò)于復(fù)雜,不適合病斑的提取,另外,傳統(tǒng)的PCNN模型中采用固定參量建模的方法,對(duì)不同復(fù)雜背景條件下的適應(yīng)性較差,針對(duì)這一問(wèn)題,本研究對(duì)PCNN模型從以下2點(diǎn)進(jìn)行改進(jìn):(1)針對(duì)病斑提取的獨(dú)特性,簡(jiǎn)化模型結(jié)構(gòu)、降低運(yùn)算的復(fù)雜性;(2)構(gòu)建模型參量的自適應(yīng)更新方法,提升模型的抗噪能力和對(duì)不同環(huán)境的適應(yīng)性。

    2.1 基于PCNN模型的病斑提取原理

    傳統(tǒng)的PCNN模型單個(gè)神經(jīng)元的離散迭代計(jì)算過(guò)程[22]如下:

    PCNN主要是基于像素進(jìn)行計(jì)算,公式(4)和公式(5)為PCNN模型的基本構(gòu)成單元。其中,F(xiàn)ij(n)、Lij(n)分別表示輸入場(chǎng)的反饋值、連接值;Mij,kl、Wij,kl分別表示針對(duì)反饋值與連接值的1次迭代輸出Ykl(n-1)的權(quán)值矩陣;Sij為提取的色調(diào)均衡優(yōu)化的視覺(jué)顯著性圖;VF、αF分別為反饋輸入場(chǎng)中的放大系數(shù)、衰減時(shí)間常數(shù);VL、αL分別為連接輸入場(chǎng)中的放大系數(shù)、衰減時(shí)間常數(shù)。公式(6)中的Uij(n)表示內(nèi)部調(diào)制場(chǎng)參量;β為聯(lián)通強(qiáng)度。公式(7)為1次點(diǎn)火實(shí)現(xiàn),step(g)表示階躍函數(shù),其功能是基于動(dòng)態(tài)閾值Eij(n-1)來(lái)度量Uij(n),當(dāng)Uij(n)>Eij(n-1)時(shí),產(chǎn)生脈沖點(diǎn)火輸出Yij(n)=1,目的是在每一次迭代中都能有效提取性質(zhì)相同的像素點(diǎn);n為迭代次數(shù)。公式(8)表征了動(dòng)態(tài)閾值Eij(n)的組成,VE、αE分別表示放大系數(shù)、衰減時(shí)間常數(shù)。

    2.2 對(duì)PCNN模型的改進(jìn)

    傳統(tǒng)PCNN模型參量復(fù)雜,且無(wú)法自適應(yīng)更新,提取精度嚴(yán)重依賴(lài)經(jīng)驗(yàn)值的設(shè)定[23]。本研究改進(jìn)后的PCNN單個(gè)神經(jīng)元結(jié)構(gòu)如圖3所示,其具體的工作原理可以表示為

    其中,m(n)為病斑像素平均值,從公式(9)~公式(12)可以看出,改進(jìn)后的模型在輸入場(chǎng)中簡(jiǎn)化了功能單元,刪除了指數(shù)衰減項(xiàng),并重新定義了反饋輸入域Fij(n),單一采用以像素(i,j)為中心的8個(gè)鄰域內(nèi)輸入圖像的顯著性圖矩陣Skl,聯(lián)合權(quán)重矩陣Mij,kl耦合形成。連接輸入場(chǎng)Lij(n)同樣定義為由8鄰域內(nèi)神經(jīng)元的迭代輸出與Wij,kl構(gòu)成。公式(11)中的連接強(qiáng)度β通過(guò)表征圖像局部細(xì)節(jié)特征的修正拉普拉斯絕對(duì)和(sum of modified laplacian,簡(jiǎn)稱(chēng)SML)計(jì)算,實(shí)現(xiàn)自適應(yīng)優(yōu)化。公式(12)中的Eij(n)同樣刪減了不適合小病斑提取的指數(shù)衰減參量,利用每次點(diǎn)火輸出區(qū)域的顯著性圖計(jì)算該值,確保了PCNN模型的振蕩,具體的點(diǎn)火機(jī)制同公式(7)。

    3 參量的自適應(yīng)優(yōu)化分析

    從“2.2”節(jié)的分析中可以看出,該簡(jiǎn)化模型很好地適應(yīng)了小病斑的檢測(cè)。由圖3可知,本研究改進(jìn)方法主要包括輸入場(chǎng)、調(diào)制場(chǎng)、脈沖產(chǎn)生器等3個(gè)部分。且改進(jìn)模型的關(guān)鍵參量分別是輸入場(chǎng)的反饋權(quán)值矩陣Mij,kl和連接權(quán)值矩陣Wij,kl、調(diào)制場(chǎng)的連接強(qiáng)度β以及脈沖產(chǎn)生器的動(dòng)態(tài)閾值Eij(n)。

    3.1 輸入場(chǎng)的權(quán)值矩陣優(yōu)化

    在反饋輸入場(chǎng)中利用權(quán)值矩陣Mij,kl對(duì)圖像的輸入特征進(jìn)行預(yù)處理,實(shí)現(xiàn)對(duì)圖像空間噪聲的抑制,保護(hù)邊緣細(xì)節(jié)特征,并有效調(diào)節(jié)與距離相關(guān)的神經(jīng)元單元。傳統(tǒng)基于高斯濾波的差值計(jì)算方法容易導(dǎo)致圖像邊緣模糊、丟失細(xì)節(jié)特征,為增強(qiáng)圖像的細(xì)節(jié)特征,本研究采用各項(xiàng)異性特征對(duì)高斯濾波器進(jìn)行改進(jìn)[15],改進(jìn)后的矩陣 Mij,kl可表示為

    式中:Yij(n-1)×or Ykl(n-1)=1主要實(shí)現(xiàn)圖像椒鹽噪聲的定位。獲取定位信息以后,可以通過(guò)8個(gè)鄰域的神經(jīng)元與中陣;C0、C1均為歸一化系數(shù);‖i-k‖2為水平神經(jīng)元之間距離的平方;‖j-l‖2為垂直神經(jīng)元之間距離的平方;σi、σj均為高斯尺度因子,在本研究中分別取值為1、3。

    同時(shí),可以計(jì)算連接輸入場(chǎng)的權(quán)值矩陣 Wij,kl,具體公式為

    3.2 調(diào)制場(chǎng)的連接強(qiáng)度優(yōu)化

    在本研究黃瓜病斑的分割中,旨在更多地保留圖像的邊緣細(xì)節(jié),使最終病斑分割結(jié)果輪廓清晰,以便于后續(xù)的病態(tài)識(shí)別。因此,在具有相似邊緣特征的像素點(diǎn)處提升其連接強(qiáng)度β的大小,使之更容易被PCNN模型捕獲而點(diǎn)火輸出。考慮到SML利用二階拉普拉斯梯度來(lái)表達(dá)局域范圍內(nèi)灰度的跳變程度具有很好的圖像紋理和方向信息描述能力,可以將像素(i,j)的拉普拉斯分量絕對(duì)和[21]定義為

    式中:s為計(jì)算中的空域間隔,由于傳統(tǒng)的SML方法中忽略了傾斜方向的梯度信息,因此在s=1的情況下,可以將公式(15)進(jìn)一步改進(jìn)為

    當(dāng)圖像特征出現(xiàn)邊緣跳變時(shí),公式(16)能夠獲取較大的SML值,提取較小的病斑區(qū)域。因此,同構(gòu)對(duì)圖像進(jìn)行改進(jìn)后的SML計(jì)算,可以通過(guò)自適應(yīng)修正連接強(qiáng)度β進(jìn)行病斑邊緣的點(diǎn)火輸出,其中連接強(qiáng)度的優(yōu)化計(jì)算表達(dá)式為

    式中:Gn[g]為實(shí)現(xiàn)歸一化的函數(shù)運(yùn)算;N表示選擇的鄰域窗口的大小,本研究中N=3;SML(i,j)表示計(jì)算的SML值。

    3.3 脈沖產(chǎn)生器的動(dòng)態(tài)閾值優(yōu)化

    對(duì)于病斑葉片而言,正常的顏色為綠色,病斑顏色為非綠色,本研究采用超綠特征E×G進(jìn)行特征提?。?4],其灰度值計(jì)算公式為

    式中:E(x,y)為像素點(diǎn)(x,y)處的灰度值;R、G、B 分別表示該像素點(diǎn)在紅、綠、藍(lán)顏色空間的取值。獲取灰度圖后,此時(shí)病斑區(qū)域的灰度值相對(duì)較高,設(shè)置動(dòng)態(tài)閾值時(shí)系統(tǒng)通過(guò)迭代遞進(jìn)的方法,令灰度值相對(duì)較高的區(qū)域?yàn)樽罱K穩(wěn)定地點(diǎn)火輸出。采用公式(9)表達(dá)的動(dòng)態(tài)閾值設(shè)置方法,取其為PCNN每一次迭代分割出的區(qū)域在原圖像上的平均灰度值與放大系數(shù)VE的乘積,其中可以計(jì)算為

    式中:Ω為第n次迭代PCNN點(diǎn)火輸出的區(qū)域矩陣;f(u,v)為點(diǎn)火輸出區(qū)域內(nèi)原輸入融合特征矩陣的每一個(gè)元素值;N為點(diǎn)火區(qū)域內(nèi)總的元素個(gè)數(shù)。的初始迭代值設(shè)置為0。動(dòng)態(tài)閾值Eij(n)隨著PCNN迭代的進(jìn)行不斷增大,導(dǎo)致每次迭代PCNN分割出的區(qū)域不斷縮小;同時(shí),區(qū)域的平均灰度值將不斷增加,直到最終輸出不再變化時(shí),輸出區(qū)域的平均值已經(jīng)逼近了病斑區(qū)域的平均值,停止迭代,輸出分割結(jié)果。通過(guò)這樣的機(jī)制使改進(jìn)的PCNN分割模型可以實(shí)現(xiàn)自適應(yīng)的迭代停止控制。放大系數(shù)VE為控制平均值增長(zhǎng)速度的系數(shù),在本研究中VE=1。

    4 驗(yàn)證試驗(yàn)與結(jié)果分析

    4.1 試驗(yàn)設(shè)置說(shuō)明

    為驗(yàn)證本研究方法的有效性,對(duì)采集的黃瓜葉片常見(jiàn)病斑進(jìn)行檢測(cè)分析。試驗(yàn)中共采集6種常見(jiàn)的黃瓜葉斑病(白粉病、黑斑病、霜霉病、慢枯病、角斑病、紅粉病)的100幅相關(guān)病斑葉片圖像。為便于運(yùn)算,將圖像全部歸一化到像素。采用 Intel? CoreTMi7 -3520M 4.0 GHz CPU,8 GB RAM 筆記本電腦,安裝Window 7操作系統(tǒng),圖像分析程序在Visual C++2010平臺(tái)編程實(shí)現(xiàn),采用C++語(yǔ)言編寫(xiě),便于不同平臺(tái)之間的移植使用。試驗(yàn)的檢測(cè)流程如圖4所示,首先,針對(duì)采集到的病斑葉片圖像進(jìn)行相關(guān)參量的初始化處理;接著進(jìn)行Lab顏色空間3個(gè)分量和HIS顏色空間的H分量提取,并進(jìn)行特征顯著性和H分量均衡化處理,實(shí)現(xiàn)特征的融合表征;最后,將融合后的特征圖像作為改進(jìn)PCNN模型的輸入圖像,并對(duì)模型輸出圖像進(jìn)行一定的形態(tài)學(xué)處理,獲取最終的病斑識(shí)別結(jié)果。

    4.2 病斑提取精度的定性分析

    首先,針對(duì)采集的病斑葉片進(jìn)行不同背景條件下病斑提取結(jié)果的定性分析。為便于定性對(duì)比,試驗(yàn)中分別采用Otsu方法、K-means聚類(lèi)方法、傳統(tǒng)PCNN方法、本研究方法進(jìn)行病斑的提取分析。由圖5可知,在強(qiáng)光照度且背景相對(duì)簡(jiǎn)單的情況下,幾種方法都取得了較好的分割結(jié)果,但由于光照度變化的影響,導(dǎo)致Otsu方法、K-means聚類(lèi)方法、傳統(tǒng)PCNN方法在葉片的邊緣和葉片與枝干連接的地方提取效果較差,主要原因是這些方法沒(méi)有考慮到光照度變化對(duì)病斑圖像特征的影響。由于本研究方法采用了多特征融合的方法,可以看出,本研究方法較好地適應(yīng)光照度的變化。由圖6可知,由于光線較暗且背景干擾比較復(fù)雜,導(dǎo)致Otsu方法、K-means聚類(lèi)方法分割結(jié)果較差,而傳統(tǒng)PCNN方法分割精度有所提升。但由于傳統(tǒng)PCNN方法的分割閾值平均值仍為固定設(shè)置,導(dǎo)致在光照度較弱的情況下,病斑與背景信息的顏色可分性降低,將部分背景信息分割為病斑。而本研究方法采用了自適應(yīng)參量的實(shí)時(shí)更新方法,可以看出,分割結(jié)果十分接近真實(shí)的病斑分布。

    4.3 病斑提取精度的定量分析

    為定量對(duì)比分析本研究方法的分割精度,采用錯(cuò)分率(ER)對(duì)提取結(jié)果進(jìn)行比較。其中,錯(cuò)分率的具體計(jì)算公式可以表示為

    式中:Na、Ne分別表示葉片圖像的總像素?cái)?shù)量、病斑錯(cuò)誤提取的像素?cái)?shù)量。

    試驗(yàn)中針對(duì)采集的100幅病斑葉片圖像進(jìn)行統(tǒng)計(jì)分析,并計(jì)算平均錯(cuò)分率。從“4.2”節(jié)的定性分析中可以明顯看出,Otsu方法采用了閾值分割的方法,其效果較差,因此,在該部分定量比較中,為了方便計(jì)算,不對(duì)其進(jìn)行定量計(jì)算,直接針對(duì)后3種提取精度相對(duì)較高的方法(K-means聚類(lèi)方法、傳統(tǒng)PCNN方法、本研究方法)進(jìn)行定量計(jì)算分析。由表1可知,對(duì)6種常見(jiàn)的黃瓜病害,本研究方法的錯(cuò)分率較低,最小錯(cuò)分率為1.9%,最大錯(cuò)分率為4.5%,提取精度明顯優(yōu)于傳統(tǒng)PCNN方法和K-means聚類(lèi)方法,對(duì)提取精度而言,本研究方法是一種優(yōu)秀的方法。

    表1 3種方法的平均錯(cuò)分率

    4.4 算法復(fù)雜性分析

    病斑提取速度的快慢是進(jìn)行后續(xù)機(jī)器視覺(jué)識(shí)別應(yīng)用的關(guān)鍵。為度量本研究方法的計(jì)算復(fù)雜性,對(duì)采集的100幅病斑圖像進(jìn)行病斑提取速度分析。由表2可知,由于K-means聚類(lèi)方法主要是針對(duì)像素級(jí)別進(jìn)行聚類(lèi),時(shí)間消耗較大;傳統(tǒng)的PCNN方法由于采用鄰域塊的操作,即使引入了一些約束和迭代思想,但最終的運(yùn)行時(shí)間仍小于K-means聚類(lèi)方法,具有較為合理的時(shí)間效率;而本研究方法雖然增加了顏色空間的變換和特征融合處理,但在PCNN模型參量的計(jì)算過(guò)程中有針對(duì)性地進(jìn)行了簡(jiǎn)化處理,因此,一定程度上降低了本研究方法的計(jì)算復(fù)雜性,整體比傳統(tǒng)PCNN方法的效率有了一定的提升。

    表2 3種方法的運(yùn)行時(shí)間

    5 結(jié)論與討論

    本研究針對(duì)不同復(fù)雜背景下黃瓜病害葉片的病斑精確提取和識(shí)別問(wèn)題進(jìn)行了分析,提出了一種聯(lián)合多特征融合表征和脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的病斑精確提取方法,對(duì)黃瓜葉片病斑進(jìn)行有效識(shí)別。從黃瓜常見(jiàn)病斑葉片的檢測(cè)分析結(jié)果可以看出,本研究方法具有較高的精度。與現(xiàn)有的分割和識(shí)別方法相比,本研究方法具有以下幾點(diǎn)創(chuàng)新:(1)對(duì)采集的黃瓜病斑原始圖像進(jìn)行了Lab和HIS顏色空間的變換處理,有效提升了特征的魯棒性。特別是在光照度改變的情況下,本研究提取的特征具有更加有效的表征性。本研究方法的最小錯(cuò)分率為1.9%,最大錯(cuò)分率為4.5%,與K-means聚類(lèi)算法和傳統(tǒng)PCNN方法相比,均有較大改善。(2)本研究方法采用PCNN模型進(jìn)行迭代分割,與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型相比,不須要進(jìn)行大量圖像的離線運(yùn)算,因此可以達(dá)到較好的實(shí)時(shí)性效果。(3)本研究對(duì)PCNN模型輸入場(chǎng)、調(diào)制場(chǎng)、脈沖形成等3個(gè)階段的關(guān)鍵參量進(jìn)行了優(yōu)化,針對(duì)具體的應(yīng)用場(chǎng)景實(shí)現(xiàn)了自適應(yīng)處理,增強(qiáng)了模型對(duì)不同復(fù)雜背景下的實(shí)用性。

    在下一步的研究中,將進(jìn)一步優(yōu)化該方法在實(shí)際應(yīng)用平臺(tái)中的應(yīng)用,通過(guò)農(nóng)作物智能物聯(lián)系統(tǒng)構(gòu)建完善的黃瓜生長(zhǎng)智能分析和識(shí)別系統(tǒng)。

    猜你喜歡
    病斑黃瓜顯著性
    清新脆嫩的黃瓜
    中老年保健(2021年5期)2021-08-24 07:08:02
    黃瓜留瓜要注意兩點(diǎn)
    我喜歡黃瓜
    基于顯著性權(quán)重融合的圖像拼接算法
    電子制作(2019年24期)2019-02-23 13:22:26
    改進(jìn)自適應(yīng)分水嶺方法分割棉花葉部粘連病斑
    一種桑輪紋病病葉發(fā)病程度的評(píng)價(jià)指數(shù)
    基于視覺(jué)顯著性的視頻差錯(cuò)掩蓋算法
    9種藥劑防治山核桃干腐病試驗(yàn)研究
    摘黃瓜
    一種基于顯著性邊緣的運(yùn)動(dòng)模糊圖像復(fù)原方法
    精品酒店卫生间| 狂野欧美激情性bbbbbb| 免费观看人在逋| 欧美黑人欧美精品刺激| 久久精品人人爽人人爽视色| 国产日韩欧美在线精品| 亚洲欧美成人精品一区二区| 波野结衣二区三区在线| 国产精品久久久久久人妻精品电影 | 国产av一区二区精品久久| 午夜福利乱码中文字幕| 女人久久www免费人成看片| 欧美精品高潮呻吟av久久| 日韩一区二区三区影片| 精品久久久精品久久久| 五月天丁香电影| 黄色 视频免费看| 亚洲精品在线美女| 亚洲精品一区蜜桃| 精品亚洲成国产av| 免费黄色在线免费观看| 亚洲国产日韩一区二区| 日韩精品免费视频一区二区三区| 久久精品久久精品一区二区三区| 精品一区二区三区av网在线观看 | 国产极品粉嫩免费观看在线| 一级片'在线观看视频| 观看av在线不卡| 日韩,欧美,国产一区二区三区| 人成视频在线观看免费观看| 视频区图区小说| 青青草视频在线视频观看| 日韩免费高清中文字幕av| 18禁动态无遮挡网站| 久久狼人影院| 免费在线观看完整版高清| 99国产综合亚洲精品| 欧美日韩视频精品一区| 国产亚洲最大av| 丝袜脚勾引网站| 欧美亚洲日本最大视频资源| 乱人伦中国视频| 九草在线视频观看| 亚洲精品久久久久久婷婷小说| 一本色道久久久久久精品综合| 毛片一级片免费看久久久久| 男男h啪啪无遮挡| 韩国av在线不卡| 天天躁狠狠躁夜夜躁狠狠躁| 女性生殖器流出的白浆| 精品免费久久久久久久清纯 | 欧美精品高潮呻吟av久久| 久久精品国产亚洲av涩爱| a级毛片在线看网站| 久久久久精品久久久久真实原创| 国产亚洲最大av| 不卡av一区二区三区| 好男人视频免费观看在线| 97精品久久久久久久久久精品| 大码成人一级视频| 成人影院久久| 五月天丁香电影| 18禁动态无遮挡网站| 建设人人有责人人尽责人人享有的| 97在线人人人人妻| 丁香六月天网| 久久久久久人妻| 国产成人系列免费观看| 男女床上黄色一级片免费看| 国产av一区二区精品久久| 亚洲欧美成人精品一区二区| 91成人精品电影| 秋霞伦理黄片| 久久久久精品人妻al黑| 久久毛片免费看一区二区三区| 精品亚洲乱码少妇综合久久| 国产深夜福利视频在线观看| 一个人免费看片子| 国产一区二区激情短视频 | 亚洲国产精品成人久久小说| 亚洲欧美一区二区三区国产| 成年av动漫网址| 在线观看一区二区三区激情| 一级爰片在线观看| 99久久综合免费| 侵犯人妻中文字幕一二三四区| 国产精品熟女久久久久浪| 亚洲欧美中文字幕日韩二区| 亚洲精品国产区一区二| 日韩电影二区| 日本黄色日本黄色录像| 成年人免费黄色播放视频| 99国产综合亚洲精品| 国产极品天堂在线| 亚洲av男天堂| 免费观看性生交大片5| 亚洲四区av| 水蜜桃什么品种好| 777久久人妻少妇嫩草av网站| 国产精品嫩草影院av在线观看| 中文字幕亚洲精品专区| 久久国产精品男人的天堂亚洲| 欧美人与善性xxx| 中文天堂在线官网| 极品人妻少妇av视频| 亚洲情色 制服丝袜| 一级a爱视频在线免费观看| 国产xxxxx性猛交| 成年人免费黄色播放视频| 国产黄色免费在线视频| 久久性视频一级片| 午夜激情久久久久久久| 制服人妻中文乱码| 亚洲欧美中文字幕日韩二区| 日韩 欧美 亚洲 中文字幕| 最近中文字幕2019免费版| 香蕉国产在线看| 爱豆传媒免费全集在线观看| 啦啦啦在线免费观看视频4| 久久久久国产精品人妻一区二区| 中文字幕制服av| 亚洲国产毛片av蜜桃av| 不卡视频在线观看欧美| 国产女主播在线喷水免费视频网站| 两性夫妻黄色片| 久久精品久久久久久噜噜老黄| 高清av免费在线| 久久国产亚洲av麻豆专区| 777久久人妻少妇嫩草av网站| 日本欧美视频一区| 欧美激情极品国产一区二区三区| 亚洲精品日韩在线中文字幕| 色吧在线观看| 中文字幕av电影在线播放| 亚洲五月色婷婷综合| 国产野战对白在线观看| 欧美激情极品国产一区二区三区| 成人手机av| 欧美中文综合在线视频| 国语对白做爰xxxⅹ性视频网站| 在线亚洲精品国产二区图片欧美| 宅男免费午夜| 亚洲国产欧美一区二区综合| av又黄又爽大尺度在线免费看| 欧美日韩国产mv在线观看视频| 18禁动态无遮挡网站| 久久精品熟女亚洲av麻豆精品| 国产日韩欧美视频二区| a级片在线免费高清观看视频| 国产精品国产av在线观看| 在线观看一区二区三区激情| 九九爱精品视频在线观看| 啦啦啦啦在线视频资源| 狂野欧美激情性bbbbbb| 中文乱码字字幕精品一区二区三区| 色播在线永久视频| 国产av国产精品国产| 91老司机精品| 啦啦啦啦在线视频资源| 亚洲成av片中文字幕在线观看| 久久精品国产亚洲av涩爱| 一区在线观看完整版| 看免费av毛片| 18禁动态无遮挡网站| 亚洲成色77777| 捣出白浆h1v1| 超色免费av| 亚洲国产精品一区三区| 亚洲欧美精品综合一区二区三区| 国产色婷婷99| 国产高清不卡午夜福利| 制服诱惑二区| 国产精品偷伦视频观看了| 亚洲精品自拍成人| 人成视频在线观看免费观看| 男女之事视频高清在线观看 | xxxhd国产人妻xxx| 91老司机精品| 亚洲情色 制服丝袜| 久久影院123| 久久久国产一区二区| 日韩不卡一区二区三区视频在线| 亚洲一区二区三区欧美精品| 国产精品av久久久久免费| 亚洲中文av在线| 亚洲久久久国产精品| kizo精华| 亚洲第一青青草原| 欧美黄色片欧美黄色片| 欧美激情 高清一区二区三区| 亚洲成人国产一区在线观看 | 午夜福利乱码中文字幕| 极品人妻少妇av视频| 亚洲一级一片aⅴ在线观看| 多毛熟女@视频| 久久久精品94久久精品| 国产男人的电影天堂91| 亚洲精品乱久久久久久| 国产成人免费观看mmmm| 国产成人免费观看mmmm| 成人国产av品久久久| 老司机影院毛片| 性高湖久久久久久久久免费观看| 亚洲av日韩精品久久久久久密 | 亚洲精品中文字幕在线视频| 热re99久久精品国产66热6| 国产无遮挡羞羞视频在线观看| 丝袜在线中文字幕| 免费黄网站久久成人精品| 丝瓜视频免费看黄片| 亚洲av成人不卡在线观看播放网 | 久久精品亚洲av国产电影网| 两性夫妻黄色片| 欧美日韩福利视频一区二区| 久久久精品国产亚洲av高清涩受| 操美女的视频在线观看| 色吧在线观看| 熟女少妇亚洲综合色aaa.| 国产激情久久老熟女| 亚洲欧洲精品一区二区精品久久久 | 久久精品亚洲av国产电影网| 日本色播在线视频| 日本一区二区免费在线视频| 99热网站在线观看| 色综合欧美亚洲国产小说| 国产成人啪精品午夜网站| 丰满迷人的少妇在线观看| 校园人妻丝袜中文字幕| 午夜福利视频精品| 97精品久久久久久久久久精品| 国产精品久久久人人做人人爽| 国产又色又爽无遮挡免| 亚洲成色77777| 成人亚洲欧美一区二区av| 少妇被粗大猛烈的视频| 18禁裸乳无遮挡动漫免费视频| av又黄又爽大尺度在线免费看| 久久久精品94久久精品| 久久久久久久精品精品| 99久久综合免费| 少妇人妻精品综合一区二区| 韩国高清视频一区二区三区| 亚洲国产成人一精品久久久| 女人高潮潮喷娇喘18禁视频| 久久狼人影院| 99国产精品免费福利视频| 欧美最新免费一区二区三区| 永久免费av网站大全| 国产精品无大码| 亚洲国产av新网站| 2018国产大陆天天弄谢| 在线观看国产h片| 国产成人a∨麻豆精品| 亚洲四区av| 丰满饥渴人妻一区二区三| 亚洲美女搞黄在线观看| 日本欧美视频一区| 涩涩av久久男人的天堂| 久久久久久久久久久久大奶| 一二三四中文在线观看免费高清| 国产亚洲av片在线观看秒播厂| 午夜免费男女啪啪视频观看| 精品人妻熟女毛片av久久网站| 亚洲av电影在线进入| 交换朋友夫妻互换小说| 一区在线观看完整版| 日韩中文字幕视频在线看片| 国产高清国产精品国产三级| 嫩草影院入口| 国产精品一区二区精品视频观看| 午夜精品国产一区二区电影| 精品国产一区二区三区四区第35| 亚洲成av片中文字幕在线观看| 精品国产一区二区三区久久久樱花| 国产精品 国内视频| 香蕉国产在线看| 成年女人毛片免费观看观看9 | 狂野欧美激情性bbbbbb| 成年av动漫网址| 赤兔流量卡办理| 大香蕉久久网| 欧美日韩成人在线一区二区| 国产精品久久久久久人妻精品电影 | 叶爱在线成人免费视频播放| 热99久久久久精品小说推荐| 亚洲精品一区蜜桃| 在线观看www视频免费| 精品亚洲成a人片在线观看| 免费日韩欧美在线观看| 久久人人爽av亚洲精品天堂| 亚洲成国产人片在线观看| 波多野结衣一区麻豆| 亚洲一码二码三码区别大吗| 国产在线免费精品| kizo精华| 国产色婷婷99| 久久精品国产a三级三级三级| 欧美成人午夜精品| 色婷婷久久久亚洲欧美| 中文乱码字字幕精品一区二区三区| 美女视频免费永久观看网站| 午夜影院在线不卡| 亚洲国产日韩一区二区| 成年美女黄网站色视频大全免费| 婷婷色麻豆天堂久久| 免费不卡黄色视频| 亚洲国产精品一区三区| 我要看黄色一级片免费的| 婷婷色av中文字幕| 日韩 欧美 亚洲 中文字幕| 岛国毛片在线播放| 亚洲第一区二区三区不卡| 哪个播放器可以免费观看大片| 成人三级做爰电影| 热re99久久国产66热| 97精品久久久久久久久久精品| 日日啪夜夜爽| 国产毛片在线视频| 最近最新中文字幕大全免费视频 | 久久天躁狠狠躁夜夜2o2o | 只有这里有精品99| xxx大片免费视频| 中文字幕高清在线视频| 在线免费观看不下载黄p国产| 日本91视频免费播放| 久久久久精品人妻al黑| 国产福利在线免费观看视频| 国产国语露脸激情在线看| 亚洲精品国产色婷婷电影| 一本久久精品| 悠悠久久av| 久久天堂一区二区三区四区| 精品免费久久久久久久清纯 | 亚洲欧美激情在线| 欧美精品高潮呻吟av久久| 国产在线免费精品| 国产精品国产三级专区第一集| 爱豆传媒免费全集在线观看| 黄色毛片三级朝国网站| 秋霞在线观看毛片| 美女中出高潮动态图| 黑丝袜美女国产一区| 美女主播在线视频| 青春草亚洲视频在线观看| 国产精品熟女久久久久浪| 久久精品国产a三级三级三级| 亚洲成av片中文字幕在线观看| 欧美精品人与动牲交sv欧美| 亚洲欧美成人综合另类久久久| 成人漫画全彩无遮挡| 97人妻天天添夜夜摸| 无遮挡黄片免费观看| 久久久国产精品麻豆| 国产 一区精品| 黑人猛操日本美女一级片| 在现免费观看毛片| 高清在线视频一区二区三区| 黄色视频不卡| 两性夫妻黄色片| 搡老乐熟女国产| 日韩 亚洲 欧美在线| 国产xxxxx性猛交| 香蕉丝袜av| 午夜老司机福利片| 久久99热这里只频精品6学生| 一级a爱视频在线免费观看| 欧美97在线视频| 免费观看人在逋| av片东京热男人的天堂| 精品少妇内射三级| 999精品在线视频| 人妻一区二区av| 国产黄色免费在线视频| 免费av中文字幕在线| a 毛片基地| 精品国产一区二区三区四区第35| 在线天堂最新版资源| 亚洲伊人久久精品综合| 天美传媒精品一区二区| 性色av一级| 欧美精品高潮呻吟av久久| 亚洲精品一二三| 亚洲av国产av综合av卡| 男女边吃奶边做爰视频| 国产 精品1| 日韩精品免费视频一区二区三区| 最近最新中文字幕大全免费视频 | 国产极品粉嫩免费观看在线| 一区二区三区四区激情视频| 晚上一个人看的免费电影| 亚洲精品美女久久av网站| 哪个播放器可以免费观看大片| 久久综合国产亚洲精品| 黄网站色视频无遮挡免费观看| 国产一卡二卡三卡精品 | 自拍欧美九色日韩亚洲蝌蚪91| 国产精品熟女久久久久浪| 国产xxxxx性猛交| 久久久欧美国产精品| 亚洲av中文av极速乱| 色视频在线一区二区三区| 国产精品一区二区精品视频观看| 一区二区日韩欧美中文字幕| 久久免费观看电影| 久久ye,这里只有精品| 日韩一区二区三区影片| 免费在线观看完整版高清| 国产精品一国产av| 日日爽夜夜爽网站| 熟妇人妻不卡中文字幕| 波野结衣二区三区在线| 一级毛片 在线播放| 国产精品久久久久成人av| 欧美av亚洲av综合av国产av | 毛片一级片免费看久久久久| 国产深夜福利视频在线观看| 亚洲成人av在线免费| 国产成人免费观看mmmm| 欧美人与性动交α欧美软件| 欧美97在线视频| 麻豆av在线久日| 人人澡人人妻人| 晚上一个人看的免费电影| 久久精品人人爽人人爽视色| 国产成人免费观看mmmm| 欧美国产精品va在线观看不卡| 午夜福利乱码中文字幕| 18在线观看网站| 黑人欧美特级aaaaaa片| 飞空精品影院首页| 人人妻人人澡人人爽人人夜夜| 色吧在线观看| 美女国产高潮福利片在线看| 蜜桃在线观看..| 哪个播放器可以免费观看大片| 91精品伊人久久大香线蕉| 91成人精品电影| 天天操日日干夜夜撸| av一本久久久久| 美女视频免费永久观看网站| 国产成人精品在线电影| 可以免费在线观看a视频的电影网站 | 老司机靠b影院| 人人妻人人澡人人爽人人夜夜| 爱豆传媒免费全集在线观看| 777久久人妻少妇嫩草av网站| 免费在线观看完整版高清| 久久精品久久久久久噜噜老黄| 美国免费a级毛片| 精品视频人人做人人爽| 男女床上黄色一级片免费看| 国产 一区精品| 亚洲国产最新在线播放| 男人添女人高潮全过程视频| 午夜日本视频在线| 丁香六月欧美| 丝袜喷水一区| 91aial.com中文字幕在线观看| 男男h啪啪无遮挡| 欧美97在线视频| 91国产中文字幕| av国产久精品久网站免费入址| 男女无遮挡免费网站观看| 两性夫妻黄色片| 精品久久久精品久久久| 久久久精品免费免费高清| 日本午夜av视频| 美国免费a级毛片| 亚洲人成网站在线观看播放| 看非洲黑人一级黄片| 中文字幕精品免费在线观看视频| 亚洲人成网站在线观看播放| 日韩伦理黄色片| 久久久久网色| 国产一区二区三区综合在线观看| 成人国语在线视频| 亚洲欧美激情在线| 天天添夜夜摸| 伦理电影免费视频| 老熟女久久久| 麻豆av在线久日| av卡一久久| 亚洲人成网站在线观看播放| 日韩精品有码人妻一区| 下体分泌物呈黄色| 欧美激情极品国产一区二区三区| 色综合欧美亚洲国产小说| 美女视频免费永久观看网站| 欧美日韩一区二区视频在线观看视频在线| 夫妻午夜视频| 亚洲专区中文字幕在线 | 9191精品国产免费久久| 国产精品久久久人人做人人爽| bbb黄色大片| 最近的中文字幕免费完整| 人人妻人人澡人人爽人人夜夜| 多毛熟女@视频| 国产深夜福利视频在线观看| 日韩一本色道免费dvd| 丝袜美足系列| 亚洲人成网站在线观看播放| 性少妇av在线| 久久久精品区二区三区| 肉色欧美久久久久久久蜜桃| 人人妻人人添人人爽欧美一区卜| 亚洲成人免费av在线播放| 汤姆久久久久久久影院中文字幕| netflix在线观看网站| 亚洲成人国产一区在线观看 | 免费在线观看黄色视频的| 欧美日韩精品网址| 国产成人精品在线电影| 久久午夜综合久久蜜桃| 免费黄频网站在线观看国产| 欧美日韩视频精品一区| 美女国产高潮福利片在线看| 亚洲av欧美aⅴ国产| 卡戴珊不雅视频在线播放| 国产av一区二区精品久久| 日本vs欧美在线观看视频| 久久精品久久久久久久性| 婷婷色麻豆天堂久久| av电影中文网址| 捣出白浆h1v1| 免费av中文字幕在线| 在线观看人妻少妇| 亚洲精品,欧美精品| 色婷婷久久久亚洲欧美| 成人亚洲精品一区在线观看| 久久影院123| 美女中出高潮动态图| 国产一区二区在线观看av| 青春草国产在线视频| 在线看a的网站| 嫩草影院入口| 亚洲久久久国产精品| 国产精品欧美亚洲77777| 久久久国产欧美日韩av| 哪个播放器可以免费观看大片| 久热爱精品视频在线9| 国产伦人伦偷精品视频| 一二三四中文在线观看免费高清| 亚洲视频免费观看视频| 777米奇影视久久| 97在线人人人人妻| 精品国产乱码久久久久久小说| 韩国av在线不卡| 中文天堂在线官网| 一本大道久久a久久精品| 性高湖久久久久久久久免费观看| 丰满迷人的少妇在线观看| 一区福利在线观看| 桃花免费在线播放| 中文字幕亚洲精品专区| 91国产中文字幕| 亚洲欧美日韩另类电影网站| 国产福利在线免费观看视频| 天天躁日日躁夜夜躁夜夜| 亚洲,欧美,日韩| 伦理电影免费视频| 久久婷婷青草| 国产精品人妻久久久影院| 十八禁高潮呻吟视频| 久久精品久久久久久噜噜老黄| 超碰97精品在线观看| 亚洲激情五月婷婷啪啪| 亚洲精品日本国产第一区| 99精国产麻豆久久婷婷| 黄色毛片三级朝国网站| 十八禁网站网址无遮挡| 久久热在线av| 亚洲视频免费观看视频| 亚洲欧洲日产国产| 男人添女人高潮全过程视频| 成人国语在线视频| 十八禁高潮呻吟视频| 亚洲av成人精品一二三区| 中文字幕亚洲精品专区| 亚洲熟女精品中文字幕| 亚洲精品在线美女| 欧美亚洲 丝袜 人妻 在线| 最近的中文字幕免费完整| 欧美精品一区二区大全| 五月天丁香电影| 亚洲第一区二区三区不卡| 亚洲综合精品二区| 99国产综合亚洲精品| 99久久综合免费| 午夜福利免费观看在线| 少妇猛男粗大的猛烈进出视频| 欧美日本中文国产一区发布| 日本av手机在线免费观看| 亚洲男人天堂网一区| 国产一区二区 视频在线| 欧美老熟妇乱子伦牲交| 在线观看国产h片| 亚洲第一青青草原| 国产一区二区 视频在线| 亚洲,欧美精品.| 一级毛片 在线播放| 国产乱来视频区| 国产黄色免费在线视频| 老司机在亚洲福利影院| 大话2 男鬼变身卡| 色婷婷久久久亚洲欧美| 99国产综合亚洲精品| 丰满迷人的少妇在线观看| 日韩 欧美 亚洲 中文字幕| 色综合欧美亚洲国产小说| 丝瓜视频免费看黄片| 亚洲av中文av极速乱| 欧美日韩av久久| a级毛片在线看网站| 亚洲精品成人av观看孕妇| 亚洲人成电影观看|