植物叶片图像边缘检测Canny/SUSAN算法比较

doi:10.3969/j.cnki.jdxb.2017.02.009

吉首大学学报（自然科学版）

植物叶片图像边缘检测Canny/SUSAN算法比较

张小琴，杨阔

(1.阿坝师范学院资源与环境学院,四川汶川 623002；2.阿坝师范学院应用物理研究所，四川汶川 623002)

出版日期:2017-03-25 发布日期:2017-04-26
作者简介:张小琴（1982—），女，四川成都人，阿坝师范学院化学化工与生命科学系讲师，硕士，主要从事植物叶片的数字图像处理及自动识别技术研究.
基金资助:
四川省教育厅自然科学基金资助项目（14ZB0337，13ZA0039）;阿坝师范学院科研项目（ASB14-19）

Comparison of Image Edge Detection Algorithms Canny/SUSAN for Plant Leaves

ZHANG Xiaoqin,YANG Kuo

（1.College of Resources and Environment,A'Ba Teachers' University,Wenchuan 620002,Sichuan China;2.Institute of Applied Physics,A'Ba Teachers' University,Wenchuan 620002,Sichuan China)

Online:2017-03-25 Published:2017-04-26

摘要/Abstract

摘要：

植物叶片图像的边缘检测是基于图像分析的植物叶片识别技术中的重要环节.图像边缘检测算法的合理选取与叶片识别的准确度紧密相关.运用Canny算法和SUSAN算法分别对10种具有典型叶形特征的植物叶片图像进行边缘检测，并作主观分析和客观评价.结果表明，植物叶片的叶形和叶脉特征对算法效果的影响较大，在实际应用中应考虑这2种算法对叶形的选择性.

关键词： 植物, 叶片, 图像, 边缘检测, 算法

Abstract:

Edge detection for plant leaf image is an important part of image recognition technology,and the selection of the image edge detection algorithm is closely correlated with the accuracy of leaf recognition.In this paper,the Canny algorithm and SUSAN algorithm are employed for plant leaf image edge detection of 10 kinds of plants with typical leaf shapes,and the objective evaluation and subjective analysis are carried out.It is demonstrated that leaf shapes and leaf vein features have significant effect on the effectiveness of the algorithms.Therefore,the selectivity of the two algorithms should be considered in practical applications.

Key words: plant, leaf, image, edge detection, algorithm

张小琴，杨阔. 植物叶片图像边缘检测Canny/SUSAN算法比较[J]. 吉首大学学报（自然科学版）, DOI: 10.3969/j.cnki.jdxb.2017.02.009.

ZHANG Xiaoqin,YANG Kuo. Comparison of Image Edge Detection Algorithms Canny/SUSAN for Plant Leaves[J]. Journal of Jishou University（Natural Sciences Edition), DOI: 10.3969/j.cnki.jdxb.2017.02.009.

[1]	曹卿. 基于潜在数据挖掘的小样本数据库对抗攻击防御算法[J]. 吉首大学学报（自然科学版）, 2024, 45(1): 30-35.
[2]	刘晓梅, 董仲博. 基于一致性哈希算法的分布式数据库索引查询优化方法[J]. 吉首大学学报（自然科学版）, 2024, 45(1): 36-41.
[3]	查怀志. 基于局部卷积的视频图像像素补偿方法[J]. 吉首大学学报（自然科学版）, 2023, 44(6): 1-8.
[4]	李苗. 基于IPv6的通信网络多信道协作路由跨层控制系统[J]. 吉首大学学报（自然科学版）, 2023, 44(5): 35-41.
[5]	涂明玥. 基于CFEM的D-N交替算法的一类凹角区域各向异性外问题求解[J]. 吉首大学学报（自然科学版）, 2023, 44(4): 31-38.
[6]	李玉璇, 金佳, 胡建, 陈功锡, 向晓媚. 张家界天门山山顶台地野生食用植物资源调查与分析[J]. 吉首大学学报（自然科学版）, 2023, 44(3): 46-53.
[7]	于存威, 莫礼平, 万润泽. 基于莱维飞行和布朗运动的鲸鱼优化算法[J]. 吉首大学学报（自然科学版）, 2023, 44(2): 24-32.
[8]	杨冬梅, 曾四春, 陶双伦, 李安娜, 李佳成, 何纤, 李双, 李俊年. 植物灭鼠剂对东方田鼠雌体繁殖性能的影响[J]. 吉首大学学报（自然科学版）, 2023, 44(2): 58-63.
[9]	谭璐, 向晓媚, 刘冰, 王志成, 陈功锡. 德夯风景名胜区野生药用植物资源多样性与药材属性关联性[J]. 吉首大学学报（自然科学版）, 2023, 44(2): 87-95.
[10]	林锟煌, 李建锋, 汪洋, 刘志杰, 刘哲宇. 改进的YOLOv4肺结节检测算法[J]. 吉首大学学报（自然科学版）, 2023, 44(1): 24-29.
[11]	许雪梅, 杨奋林. 3种光源下的朗伯体表面反射模型[J]. 吉首大学学报（自然科学版）, 2023, 44(1): 30-33.
[12]	印煜民, 廖柏林. 基于仿生算法优化的镜像极限学习机的应用[J]. 吉首大学学报（自然科学版）, 2022, 43(6): 14-19.
[13]	肖美琪, 李震, 李政辉, 张扬扬, 向晓媚, 陈功锡. 湘西地区军事本草植物资源研究（Ⅳ）——有毒植物资源调查分析[J]. 吉首大学学报（自然科学版）, 2022, 43(5): 20-29.
[14]	蒋梓浩, 任涛, 周祺, 骆加冕. 基于随机森林与L-M算法的C4烯烃制备优化模型[J]. 吉首大学学报（自然科学版）, 2022, 43(3): 79-83.
[15]	韩粉, 杨奋林. 基于新非线性多重网格法的图像去噪[J]. 吉首大学学报（自然科学版）, 2022, 43(1): 38-42.

植物叶片图像边缘检测Canny/SUSAN算法比较

Comparison of Image Edge Detection Algorithms Canny/SUSAN for Plant Leaves

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价