基于Pix2Pix改进的虫食叶片区域重建算法

摘要

准确量化植食性虫食面积，是害虫防治、植物抗虫育种与遗传筛选等应用研究的核心环节。但叶片在自然环境中易受昆虫啃食，产生不规则缺损。针对虫食叶片区域重建问题，提出一种基于Pix2Pix(image-to-image translation with conditional adversarial networks)的图像重建方法。首先，在生成器中引入残差结构和卷积注意力机制（convolutional block attention module,CBAM），增强网络的特征提取与表达能力；随后采用带梯度惩罚项的瓦瑟斯坦生成对抗网络（wasserstein generate adversarial network with gradient penalty,WGAN-GP）判别器替代原始判别器并加入谱归一化（spectral normalization），提升模型训练的稳定性。结果表明，改进算法与原模型相比，结构相似性（structural similarity,SSIM）、峰值信噪比（peak signal-to-noise ratio,PSNR）分别提升4.4%、13.8%，感知相似性（learned perceptual image patch similarity,LPIPS）降低了53.7%。该方法可取得叶脉纹理更清晰、叶边缘语义结构一致性更好的修复效果，为植物叶片表型参数提取提供技术支持。

关键词

图像修复 / Pix2Pix / 卷积注意力机制 / 残差结构 / 植物表型 / 谱归一化