• <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
    涩涩av久久男人的天堂| 一本大道久久a久久精品| 国产淫片久久久久久久久| 蜜桃久久精品国产亚洲av| 中文资源天堂在线| 91午夜精品亚洲一区二区三区| 黑人高潮一二区| 高清不卡的av网站| 美女视频免费永久观看网站| 精品少妇黑人巨大在线播放| 亚洲精品亚洲一区二区| 久久久国产一区二区| 91精品伊人久久大香线蕉| 国产69精品久久久久777片| 成人午夜精彩视频在线观看| 伊人亚洲综合成人网| 黑人高潮一二区| 一级毛片我不卡| 晚上一个人看的免费电影| 日韩在线高清观看一区二区三区| 蜜臀久久99精品久久宅男| 精品久久国产蜜桃| 国产美女午夜福利| 欧美变态另类bdsm刘玥| 婷婷色麻豆天堂久久| 国产亚洲欧美精品永久| 日本欧美国产在线视频| 日韩视频在线欧美| av网站免费在线观看视频| 久久久久视频综合| 男人和女人高潮做爰伦理| 国产乱人偷精品视频| www.av在线官网国产| 亚洲美女黄色视频免费看| 日韩强制内射视频| 日本黄色片子视频| 精品人妻熟女毛片av久久网站| 婷婷色麻豆天堂久久| 一级a做视频免费观看| 亚洲精品日本国产第一区| 丝瓜视频免费看黄片| 99国产精品免费福利视频| 蜜臀久久99精品久久宅男| 国国产精品蜜臀av免费| 人妻系列 视频| 国产av一区二区精品久久| 国产精品一区二区性色av| 国产精品国产三级国产av玫瑰| 美女内射精品一级片tv| 久久久国产欧美日韩av| 国产免费福利视频在线观看| 色哟哟·www| 亚洲精品日本国产第一区| 欧美精品高潮呻吟av久久| 九九在线视频观看精品| 国产一区亚洲一区在线观看| 丝袜脚勾引网站| 成人综合一区亚洲| 亚洲精品乱码久久久久久按摩| 国产国拍精品亚洲av在线观看| 国内精品宾馆在线| 99久久精品一区二区三区| 久久99一区二区三区| 日韩三级伦理在线观看| 国产精品一区www在线观看| 久久狼人影院| 2022亚洲国产成人精品| 国产黄片视频在线免费观看| 亚洲图色成人| 欧美xxⅹ黑人| 色哟哟·www| 国产成人aa在线观看| h视频一区二区三区| 边亲边吃奶的免费视频| 欧美性感艳星| 国产91av在线免费观看| 人体艺术视频欧美日本| 2018国产大陆天天弄谢| 亚洲精品成人av观看孕妇| 国产精品国产av在线观看| 亚洲精品aⅴ在线观看| 一级片'在线观看视频| 99久国产av精品国产电影| 国产日韩欧美在线精品| 亚洲av中文av极速乱| 伦理电影免费视频| 嘟嘟电影网在线观看| 伊人久久精品亚洲午夜| av免费在线看不卡| 熟女人妻精品中文字幕| 99re6热这里在线精品视频| 国产 一区精品| 观看美女的网站| 亚洲精品456在线播放app| 国产成人freesex在线| 国产熟女午夜一区二区三区 | 国精品久久久久久国模美| 欧美成人精品欧美一级黄| 九草在线视频观看| 18禁裸乳无遮挡动漫免费视频| 最近手机中文字幕大全| av视频免费观看在线观看| 日韩一本色道免费dvd| 国产高清国产精品国产三级| 亚洲精品国产av蜜桃| 少妇高潮的动态图| 国产精品人妻久久久影院| 亚洲国产色片| 99国产精品免费福利视频| 国产一区二区在线观看日韩| 夜夜骑夜夜射夜夜干| 涩涩av久久男人的天堂| 亚洲精品视频女| 99九九线精品视频在线观看视频| 高清毛片免费看| 亚洲成人av在线免费| av免费在线看不卡| 99热6这里只有精品| 国产免费福利视频在线观看| 高清av免费在线| 免费黄色在线免费观看| 岛国毛片在线播放| 一级片'在线观看视频| 水蜜桃什么品种好| 精品少妇黑人巨大在线播放| 亚洲精品乱久久久久久| 国产日韩欧美视频二区| 三级经典国产精品| 国产男人的电影天堂91| 性色av一级| 岛国毛片在线播放| 少妇的逼好多水| 久久精品夜色国产| 波野结衣二区三区在线| 自拍欧美九色日韩亚洲蝌蚪91 | 黄片无遮挡物在线观看| 性色avwww在线观看| 欧美一级a爱片免费观看看| 日韩av不卡免费在线播放| 人人澡人人妻人| 成年av动漫网址| 插逼视频在线观看| 我要看日韩黄色一级片| 伊人久久国产一区二区| 亚洲精品久久久久久婷婷小说| 久久青草综合色| 97在线人人人人妻| 蜜臀久久99精品久久宅男| 黄色毛片三级朝国网站 | 久久午夜综合久久蜜桃| 新久久久久国产一级毛片| 国产女主播在线喷水免费视频网站| 成人影院久久| 涩涩av久久男人的天堂| 男女啪啪激烈高潮av片| 18禁在线无遮挡免费观看视频| 亚洲第一av免费看| 美女主播在线视频| 欧美日韩av久久| 国产探花极品一区二区| 大码成人一级视频| 女的被弄到高潮叫床怎么办| 日本黄大片高清| 久久影院123| 三上悠亚av全集在线观看 | 天堂俺去俺来也www色官网| 伦理电影大哥的女人| 777米奇影视久久| 99热这里只有是精品在线观看| 国产精品一区二区三区四区免费观看| 多毛熟女@视频| 久热久热在线精品观看| 男的添女的下面高潮视频| 综合色丁香网| 黄色欧美视频在线观看| 成人国产麻豆网| 亚洲国产精品成人久久小说| 亚洲成色77777| 国产精品免费大片| 又爽又黄a免费视频| 在线观看av片永久免费下载| 久久午夜福利片| 秋霞伦理黄片| 日韩不卡一区二区三区视频在线| 一级黄片播放器| 精品酒店卫生间| 高清av免费在线| 国产精品久久久久久久久免| 久久久久久久久久久久大奶| 精品国产国语对白av| 国产av一区二区精品久久| 最新中文字幕久久久久| 日韩一区二区三区影片| 亚洲成色77777| 欧美另类一区| 乱码一卡2卡4卡精品| 亚洲av国产av综合av卡| 美女cb高潮喷水在线观看| a级片在线免费高清观看视频| 国产精品秋霞免费鲁丝片| 国产淫片久久久久久久久| 亚洲欧美日韩东京热| 自拍欧美九色日韩亚洲蝌蚪91 | 黑人高潮一二区| 啦啦啦啦在线视频资源| 日韩欧美 国产精品| 亚洲精品久久午夜乱码| 赤兔流量卡办理| 成人国产麻豆网| 国产黄色视频一区二区在线观看| 日韩熟女老妇一区二区性免费视频| 2018国产大陆天天弄谢| 国产日韩欧美亚洲二区| 婷婷色综合大香蕉| 国产乱来视频区| 亚洲av二区三区四区| 国产亚洲午夜精品一区二区久久| 国产色爽女视频免费观看| 久久99蜜桃精品久久| 亚洲欧美清纯卡通| 少妇高潮的动态图| 在线观看美女被高潮喷水网站| 久久久a久久爽久久v久久| 久久99蜜桃精品久久| 国产亚洲精品久久久com| 日日摸夜夜添夜夜添av毛片| 少妇的逼好多水| 九九爱精品视频在线观看| 男女边摸边吃奶| 99九九在线精品视频 | 亚洲婷婷狠狠爱综合网| 伊人久久精品亚洲午夜| 国产高清国产精品国产三级| 在线观看免费视频网站a站| 精品国产乱码久久久久久小说| 亚洲欧美中文字幕日韩二区| 黄色日韩在线| 啦啦啦中文免费视频观看日本| 美女中出高潮动态图| 又大又黄又爽视频免费| 免费看日本二区| 永久免费av网站大全| 日本爱情动作片www.在线观看| 内地一区二区视频在线| 久久女婷五月综合色啪小说| 男人舔奶头视频| 国产精品国产三级国产av玫瑰| 一级二级三级毛片免费看| 韩国av在线不卡| 九九在线视频观看精品| 高清在线视频一区二区三区| 99re6热这里在线精品视频| 国产 一区精品| 亚洲,一卡二卡三卡| 纯流量卡能插随身wifi吗| 国产精品一区二区三区四区免费观看| 日本wwww免费看| 一区二区三区免费毛片| 国产色爽女视频免费观看| 国产精品国产三级专区第一集| 国精品久久久久久国模美| 欧美变态另类bdsm刘玥| 亚洲内射少妇av| 久久久久久久久久久丰满| 久久99精品国语久久久| 国产美女午夜福利| 亚洲国产精品一区二区三区在线| 性色avwww在线观看| 亚洲欧美日韩东京热| 激情五月婷婷亚洲| 国产高清三级在线| 精品一区二区免费观看| 内地一区二区视频在线| 少妇人妻一区二区三区视频| 精品人妻熟女av久视频| 高清黄色对白视频在线免费看 | 亚洲第一区二区三区不卡| 日日爽夜夜爽网站| 99国产精品免费福利视频| 国产精品欧美亚洲77777| 国产亚洲av片在线观看秒播厂| 午夜av观看不卡| 丝袜脚勾引网站| 99视频精品全部免费 在线| 色视频在线一区二区三区| a级一级毛片免费在线观看| 日日撸夜夜添| 久久精品国产亚洲av天美| 亚洲熟女精品中文字幕| 免费看av在线观看网站| 只有这里有精品99| a级毛色黄片| 亚洲精品aⅴ在线观看| 人妻人人澡人人爽人人| 黑丝袜美女国产一区| 天美传媒精品一区二区| 欧美激情国产日韩精品一区| 免费大片18禁| 国产伦理片在线播放av一区| 丰满迷人的少妇在线观看| 男女无遮挡免费网站观看| 国产精品无大码| 午夜91福利影院| 国产亚洲一区二区精品| 热99国产精品久久久久久7| 精品人妻一区二区三区麻豆| 亚洲精品aⅴ在线观看| 日韩强制内射视频| 免费久久久久久久精品成人欧美视频 | 日本免费在线观看一区| 精品久久久久久久久av| 秋霞在线观看毛片| 熟女av电影| 日韩不卡一区二区三区视频在线| 大香蕉97超碰在线| 少妇的逼水好多| 亚洲精品日韩av片在线观看| 亚洲成人手机| 亚洲第一av免费看| 街头女战士在线观看网站| 国产成人a∨麻豆精品| 青春草视频在线免费观看| 亚洲真实伦在线观看| 亚洲国产精品成人久久小说| 成人毛片a级毛片在线播放| 亚洲va在线va天堂va国产| 成人亚洲精品一区在线观看| 嫩草影院入口| 久久久久久久久久人人人人人人| 日韩欧美精品免费久久| 欧美区成人在线视频| 国产成人a∨麻豆精品| 看免费成人av毛片| 啦啦啦视频在线资源免费观看| 高清视频免费观看一区二区| 欧美日韩视频高清一区二区三区二| 日韩在线高清观看一区二区三区| 99九九线精品视频在线观看视频| 伦精品一区二区三区| 我要看日韩黄色一级片| 国产成人一区二区在线| 日韩成人av中文字幕在线观看| 国产伦理片在线播放av一区| 人人妻人人添人人爽欧美一区卜| 久久久久国产网址| 久久国产亚洲av麻豆专区| 一个人看视频在线观看www免费| 青青草视频在线视频观看| 亚洲欧美成人精品一区二区| 欧美日韩视频高清一区二区三区二| 日韩在线高清观看一区二区三区| 久久综合国产亚洲精品| 欧美激情国产日韩精品一区| 亚洲欧美日韩卡通动漫| 国产白丝娇喘喷水9色精品| 高清不卡的av网站| 久久女婷五月综合色啪小说| 亚洲综合精品二区| 亚洲av日韩在线播放| 亚洲四区av| 精品熟女少妇av免费看| 亚洲国产精品成人久久小说| 亚洲激情五月婷婷啪啪| 国产亚洲一区二区精品| 观看av在线不卡| 女的被弄到高潮叫床怎么办| 日本wwww免费看| 日日啪夜夜爽| 久久久久视频综合| h视频一区二区三区| 夫妻午夜视频| 日日摸夜夜添夜夜添av毛片| 最近中文字幕高清免费大全6| 国产在线视频一区二区| 91精品国产国语对白视频| 免费大片黄手机在线观看| 一区二区三区四区激情视频| 色94色欧美一区二区| 大片免费播放器 马上看| 久久女婷五月综合色啪小说| 一本大道久久a久久精品| 免费观看在线日韩| 黄色视频在线播放观看不卡| av在线观看视频网站免费| 建设人人有责人人尽责人人享有的| 亚洲真实伦在线观看| 国产亚洲一区二区精品| 日韩中字成人| 极品少妇高潮喷水抽搐| 国产成人精品婷婷| 日韩欧美一区视频在线观看 | 黄色配什么色好看| 国产免费一区二区三区四区乱码| 日本-黄色视频高清免费观看| 女性被躁到高潮视频| 伊人亚洲综合成人网| 少妇人妻精品综合一区二区| 中文欧美无线码| 晚上一个人看的免费电影| 视频区图区小说| 国产在线一区二区三区精| 日日撸夜夜添| 亚洲丝袜综合中文字幕| 在线观看国产h片| 中国美白少妇内射xxxbb| 欧美日韩视频高清一区二区三区二| 日本黄色日本黄色录像| 精品国产国语对白av| 中文字幕人妻丝袜制服| 国产黄色视频一区二区在线观看| 91aial.com中文字幕在线观看| 欧美 日韩 精品 国产| 人人妻人人澡人人看| 伊人久久国产一区二区| 大片电影免费在线观看免费| 亚洲欧美成人精品一区二区| 观看美女的网站| 五月开心婷婷网| 精品国产国语对白av| 天堂中文最新版在线下载| 黄色视频在线播放观看不卡| 91aial.com中文字幕在线观看| 在线亚洲精品国产二区图片欧美 | 午夜老司机福利剧场| 男女免费视频国产| 亚洲精品成人av观看孕妇| 深夜a级毛片| 久久久久久久大尺度免费视频| 久久精品久久久久久噜噜老黄| 国产在线一区二区三区精| 国产一区亚洲一区在线观看| 午夜免费男女啪啪视频观看| 91在线精品国自产拍蜜月| 久久久国产精品麻豆| 高清欧美精品videossex| 亚洲精品aⅴ在线观看| 麻豆乱淫一区二区| 欧美日韩精品成人综合77777| 精品亚洲乱码少妇综合久久| 大片电影免费在线观看免费| 人妻一区二区av| 久久韩国三级中文字幕| 日本-黄色视频高清免费观看| 精品人妻熟女av久视频| 日本色播在线视频| 三上悠亚av全集在线观看 | 国产精品国产av在线观看| 日韩成人av中文字幕在线观看| 三级经典国产精品| 一本一本综合久久| 亚洲精品,欧美精品| 国产爽快片一区二区三区| 成人国产av品久久久| 久久久国产精品麻豆| 我要看黄色一级片免费的| 99热网站在线观看| 丁香六月天网| 成人特级av手机在线观看| 在线精品无人区一区二区三| 精品国产国语对白av| 我的老师免费观看完整版| 免费黄色在线免费观看| 最新中文字幕久久久久| 精品一区二区三卡| 视频中文字幕在线观看| 欧美区成人在线视频| 欧美日韩av久久| 国产精品熟女久久久久浪| av网站免费在线观看视频| 热re99久久精品国产66热6| 少妇人妻 视频| 亚洲第一av免费看| 久久综合国产亚洲精品| 99精国产麻豆久久婷婷| 少妇 在线观看| 免费观看a级毛片全部| 精品亚洲成a人片在线观看| 国产精品免费大片| 看免费成人av毛片| 在现免费观看毛片| 欧美日韩在线观看h| 久久久久久久久久久丰满| 久久久国产一区二区| 麻豆成人av视频| 王馨瑶露胸无遮挡在线观看| a级毛片在线看网站| 久久久久久久大尺度免费视频| 18禁裸乳无遮挡动漫免费视频| 国产精品国产av在线观看| 免费观看无遮挡的男女| 寂寞人妻少妇视频99o| 人妻系列 视频| 日本wwww免费看| 国产欧美日韩精品一区二区| 高清不卡的av网站| 永久免费av网站大全| 成人二区视频| 亚洲自偷自拍三级| 人人妻人人爽人人添夜夜欢视频 | 伊人久久精品亚洲午夜| 国内精品宾馆在线| 亚洲美女黄色视频免费看| av在线app专区| av一本久久久久| 久久久久久久久久久免费av| av女优亚洲男人天堂| av免费观看日本| 国产高清三级在线| 人人澡人人妻人| 在线天堂最新版资源| 麻豆乱淫一区二区| 国产成人免费观看mmmm| 熟女av电影| 亚洲国产最新在线播放| 亚洲av国产av综合av卡| 久久久久久久久久久丰满| 欧美少妇被猛烈插入视频| 国产白丝娇喘喷水9色精品| 下体分泌物呈黄色| 99热国产这里只有精品6| 男女无遮挡免费网站观看| 免费观看性生交大片5| 亚洲av日韩在线播放| 嘟嘟电影网在线观看| 大码成人一级视频| 国产在线视频一区二区| 成年人午夜在线观看视频| 69精品国产乱码久久久| 精品视频人人做人人爽| 亚洲欧美日韩卡通动漫| 亚洲av欧美aⅴ国产| 中文字幕亚洲精品专区| 国产精品三级大全| 人人妻人人澡人人爽人人夜夜| 欧美精品亚洲一区二区| 亚洲欧洲国产日韩| av视频免费观看在线观看| 亚洲成人手机| 2022亚洲国产成人精品| 久久久国产欧美日韩av| 人人妻人人添人人爽欧美一区卜| 亚洲av日韩在线播放| 香蕉精品网在线| 777米奇影视久久| 久久久久国产网址| 国产精品99久久99久久久不卡 | 日韩欧美精品免费久久| 免费高清在线观看视频在线观看| 免费黄频网站在线观看国产| 天堂8中文在线网| 欧美三级亚洲精品| 极品教师在线视频| 国产男女内射视频| 黄色日韩在线| 建设人人有责人人尽责人人享有的| 最黄视频免费看| 中文在线观看免费www的网站| 国产男人的电影天堂91| 成人午夜精彩视频在线观看| 国产精品女同一区二区软件| 九草在线视频观看| 老司机亚洲免费影院| 一区在线观看完整版| 中文字幕久久专区| 卡戴珊不雅视频在线播放| 亚洲精品视频女| 国产亚洲av片在线观看秒播厂| 天堂8中文在线网| 人妻夜夜爽99麻豆av| 99热这里只有精品一区| av一本久久久久| 高清午夜精品一区二区三区| 男人狂女人下面高潮的视频| 免费久久久久久久精品成人欧美视频 | 高清欧美精品videossex| 一区在线观看完整版| 秋霞伦理黄片| 午夜老司机福利剧场| 午夜av观看不卡| 精品一品国产午夜福利视频| videossex国产| 黄片无遮挡物在线观看| 免费人成在线观看视频色| 国产成人a∨麻豆精品| 免费高清在线观看视频在线观看| 在线观看一区二区三区激情| 一二三四中文在线观看免费高清| 国产黄色免费在线视频| 少妇精品久久久久久久| 最近中文字幕高清免费大全6| 在线观看av片永久免费下载| 乱码一卡2卡4卡精品| 久久精品久久精品一区二区三区| 男女啪啪激烈高潮av片| 丝袜喷水一区| 久久 成人 亚洲| 2022亚洲国产成人精品| 国产日韩欧美在线精品| 国产成人a∨麻豆精品| 国产精品偷伦视频观看了| 中文字幕久久专区| 精品卡一卡二卡四卡免费| 国产精品福利在线免费观看| 精品视频人人做人人爽| 午夜老司机福利剧场| 69精品国产乱码久久久| 国产又色又爽无遮挡免| 2021少妇久久久久久久久久久| 又大又黄又爽视频免费| 亚洲无线观看免费| 久久久久精品性色| 日本vs欧美在线观看视频 | 热99国产精品久久久久久7| 亚洲av成人精品一二三区| 国产毛片在线视频|