基于多元線性回歸的昆蟲圖像分割技術研究.pdf

1、圖像分割是圖像處理和計算機視覺等領域的重要研究課題,也是圖像分析的基礎。昆蟲圖像分割算法的研究對農作物害蟲防治和生物領域昆蟲圖像數(shù)據(jù)信息的有效利用都具有重要意義,因而近年來國內外越來越多的學者開始關注昆蟲圖像分割技術的研究。
　　多元線性回歸模型是基于數(shù)理統(tǒng)計的一種回歸分析模型,通過將多個自變量擬合構成線性關系實現(xiàn)信息處理,在經濟分析和交通預測等領域得到廣泛應用。本文首先分析現(xiàn)有圖像分割算法應用于昆蟲圖像分割中的局限性,然后重點研

2、究基于多元線性回歸模型的圖像分割算法,針對其在不同類型彩色昆蟲圖像分割中存在的不足進行優(yōu)化。主要工作和創(chuàng)新點如下:
　　(1)構建 RGB多元線性回歸模型分割昆蟲圖像。多元線性回歸模型中參數(shù)的設定是關鍵,結合昆蟲圖像背景樣本像素塊的 RGB三色板信息構建回歸模型,可以有效地將昆蟲目標與背景分離。算法應用于背景顏色比較簡單的昆蟲圖像,獲得了較好的分割效果。
　　(2)多元線性回歸模型分割算法的范數(shù)優(yōu)化。基于 RGB三色板的多元

3、線性回歸算法中回歸參數(shù)的確定依賴于圖像像素塊的樣本信息,樣本信息越多越有利于圖像目標區(qū)域的分割,但像素信息取值范圍過大有可能導致回歸模型的線性擬合發(fā)生較大偏差。針對這一問題,本文引入范數(shù)對圖像像素的 RGB三色板信息進行優(yōu)化。實驗表明,優(yōu)化算法對選取的樣本像素塊三色板的線性擬合度提高具有良好作用,適合背景較為復雜的昆蟲圖像分割。
　　(3)針對部分帶有陰影背景的昆蟲圖像分割效果不理想的問題,提出了結合圖像過渡區(qū)的多元線性回歸改進算