利用Chan-Vese模型和Sobel運算對重疊葉片進行圖像分割

利用Chan-Vese模型和Sobel運算對重疊葉片進行圖像分割，能夠從複雜背景和具有重疊區域的圖像中準確提取目標葉片，植物表型資訊簡介如下。

溫馨提醒:「第二屆亞太植物表型國際會議」將於2018年03月23-25日舉行。

為了提高重疊作物葉片的分割精度，本文提出了一種基於Chan-Vese模型和Sobel運算的有效圖像分割方法。該方法由三個步驟組成。首先，識別綠色值較高區域，用於提取目標葉片並去除背景。然後使用Chan-Vese模型和改進的Sobel運算分別進行葉片輪廓提取和邊緣檢測。第三，通過結合Chan-Vese模型和Sobel operato得到的結果，提取具有複雜背景和重疊的目標葉片。為了驗證該演算法的有效性，研究人員對30張黃瓜葉片圖像進行分割實驗。研究發現，該方法的平均誤差率為0.0428，比水平集方法(LSM) 的平均誤差率降低了6.54％。實驗結果表明，這種方法能夠從複雜背景和具有重疊區域的黃瓜葉片圖像中準確提取目標葉片。

黃瓜葉片圖像

a b c

d e f

葉片分割結果：（a）原始圖像（b）背景消除（c）C-V模型分割結果（d）邊緣檢測結果;（e）分割結果融合（f）標記分割結果

Sobel演算法的邊緣檢測結果與傳統方法的比較

a

b

c

（a）（b）（c）分別給出了三種分段結果的比較分組結果

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！