面向实用型自动化植物病害诊断系统的超分辨率方法
图像与视频处理
2019-11-27 v1 计算机视觉与模式识别
摘要
使用远距离拍摄的图像进行自动化植物诊断通常分辨率不足，并因症状的重要外部特征丢失而降低诊断精度。本文中，我们首先提出一种利用超分辨率技术提升自动化植物病害诊断系统性能的有效预处理方法。我们通过比较在实际原始高分辨率、低分辨率和超分辨率黄瓜图像上的病害诊断性能，研究了两种不同超分辨率方法的效率。我们的方法生成的超分辨率图像非常接近自然图像，上采样因子为 4，并能够恢复丢失的详细症状，大幅提升了诊断性能。我们的模型相比双三次插值方法的 65.6% 准确率将病害分类准确率提高了 26.9%，并与原始结果的 95.5% 仅存在较小差距（低 3%）。
引用
@article{arxiv.1911.11341,
title = {Super-Resolution for Practical Automated Plant Disease Diagnosis System},
author = {Quan Huu Cap and Hiroki Tani and Hiroyuki Uga and Satoshi Kagiwada and Hitoshi Iyatomi},
journal= {arXiv preprint arXiv:1911.11341},
year = {2019}
}
备注
Published as a conference paper at CISS 2019, Baltimore, MD, USA