您当前的位置: > 详细浏览

基于Bi-GRU 和空-谱信息融合的油菜菌核病侵染区域高光谱图像分割方法 后印本

请选择邀稿期刊:

Oilseed Rape Sclerotinia in Hyperspectral Images Segmentation Method Based on Bi-GRU and Spatial-Spectral Information Fusion

摘要: [目的/意义]油菜菌核病是一种全球性的植物病害,可严重影响油菜的产量和品质,造成巨大的经济损 失。为解决传统化学检测方法存在的操作复杂、污染环境、破坏样品及检测效率低等问题,构建了一种基于空- 谱信息融合的双向门控循环网络(Bi-directional Gate Recurrent Unit, Bi-GRU) 模型,实现油菜菌核病侵染区域的 高光谱图像分割。[方法]首先提取7×7像素邻域作为目标像素的空间特征,同时考虑全波段光谱特征,实现空 间信息和光谱信息的有效融合。在此基础上结合Bi-GRU架构,实现序列数据中任意位置上特征的同时提取,避 免了空-谱数据融合顺序对模型结果的影响。[结果和讨论]与卷积神经网络模型和长短时记忆网络模型相比,基 于空-谱信息融合的Bi-GRU模型在平均精度、平均交并比、Kappa系数和Dice系数等评价指标上均获得显著提升。 该模型的油菜菌核病检测平均精度达到93.7%,同时可以有效提取早期感染阶段的病斑区域。[结论]本研究可为 油菜菌核病的高通量无损检测奠定基础,也为油菜菌核病的早期感染检测提供参考依据。

版本历史

[V1] 2024-06-17 23:19:49 ChinaXiv:202406.00280V1 下载全文
点击下载全文
预览
许可声明
metrics指标
  •  点击量270
  •  下载量73
评论
分享