基于改进U-Net的水稻叶片细胞分割方法研究

针对水稻叶片细胞图像中存在边界模糊、信噪比低和叶肉细胞相互粘连堆叠等特点导致分割精度不高的问题,提出一种基于改进U-Net的水稻叶片细胞分割方法。首先,将BA模块引入到ResNeXt网络中组成BAResNeXt模块作为网络的编码器,在提取深层的语义特征时提高网络对叶肉细胞的关注度;其次,在编码器与解码器之间加入通道交叉注意力机制,缓和解码器和编码器的语义歧义来增强分割图像特征的信息融合;最后,在解码器上采样阶段中使用SE注意力机制,以便过滤分割图像背景的干扰信息。为了验证该方法的有效性,将其与U-Net、Res-UNet、U-Net++和Deeplabv3+等深度学习网络进行试验比对,结果表明,改进的方法在水稻叶片细胞分割中表现最好,其查准率为96.03%、召回率为97.67%、准确率为97.47%、交并比为93.96%,相似系数为96.78%,均比其他网络高。