微根窗图像中根系的自动分割方法

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (23): 181-185.

微根窗图像中根系的自动分割方法

石锐1，朱鑫1，刘辉1，刘晶淼2，贾庆宇2

1.重庆大学计算机学院，重庆 400044
2.中国气象局沈阳大气环境研究所，沈阳 110016

出版日期:2013-12-01 发布日期:2016-06-12

Automatic segmentation method in minirhizotron images

SHI Rui1, ZHU Xin1, LIU Hui1, LIU Jingmiao2, JIA Qingyu2

1.College of Computer Science, Chongqing University, Chongqing 400044, China
2.Shenyang Institute of Atmospheric Environment, Shenyang 110016, China

Online:2013-12-01 Published:2016-06-12

摘要/Abstract

摘要： 植物根系的生长状况可以反映该地区的气候以及土壤特性，根系的发达与否也能够反应整株植物的健康情况。研究根系的生态参数是研究根系生长状况的基础，目前对于微根窗图像的处理都是通过人工手动方式实现的，费时费力。提出了一种微根窗图像根系的自动分割方法，使用基于脊线检测的方法获取微根窗图像中根系的中心线，计算中心线上所有像素点的方向，采用改进的定向局部对比度方法检测出中心线两侧的根系像素得到分割后的图像。实验结果表明，与传统分割方法相比，方法具有良好的分割效果。

关键词: 图像分割, 微根窗图像, 中心线, 定向局部对比度

Abstract: The growth status of roots can reflect the region’s climate and soil characteristics, and whether the root is flourishing or not can response the whole plant’s health. Research on the ecological parameter of root is the foundation of the root’s growth condition. Manual processing of minirhizotron images is time-consuming and strenuously, this paper puts forward a kind of automatic segmentation method in minirhizotron images. It extracts centerlines of minirhizotron images based on ridge detection, then computes the directional information of each pixel in centerlines, uses the directional local contrast method to detect pixels on either side of the centerline. Experimental results show that compared with the traditional method, this method is effective.

Key words: image segmentation, minirhizotron images, centerline, directional local contrast

石锐1，朱鑫1，刘辉1，刘晶淼2，贾庆宇2. 微根窗图像中根系的自动分割方法[J]. 计算机工程与应用, 2013, 49(23): 181-185.

SHI Rui1, ZHU Xin1, LIU Hui1, LIU Jingmiao2, JIA Qingyu2. Automatic segmentation method in minirhizotron images[J]. Computer Engineering and Applications, 2013, 49(23): 181-185.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[3]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[4]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[8]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[11]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[12]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[13]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[14]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.
[15]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.