水稻害蟲圖像分割與檢測算法研究.pdf

1、浙江理工大學學位論文獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得浙江理工大學或其他教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學位論文作者簽名：立4糸賽、簽字日期：h侈年羅月22日摘要水稻生長過程中有多種害蟲為害。目前我國對水稻害蟲進

2、行測報方式主要是通過測報燈誘集害蟲和田間害蟲調(diào)查。測報燈誘集的害蟲需要次日取回，人工識別和計數(shù)；水稻飛虱田間調(diào)查需要一人下田持盤拍稻計數(shù)，一人記錄數(shù)據(jù)。這兩種人IN報方式均存在勞動強度大和準確性差的問題。本研究針對這兩種測報調(diào)查方式存在的問題，采用圖像處理和機器視覺對水稻燈誘害蟲自動識別計數(shù)中的粘連分割和水稻基部飛虱的自動計數(shù)進行研究。主要研究內(nèi)容和結(jié)果包括：(1)首先用我們已經(jīng)建立的昆蟲圖像采集系統(tǒng)采集背景圖像。然后將燈誘害蟲通過網(wǎng)篩

3、到玻璃平臺上，輕微抖動玻璃板，拍攝經(jīng)過抖動前后的昆蟲圖像。分別與背景圖進行差分，以去除背景雜質(zhì)帶來的影響。然后對兩幅圖像求解全局光流，為提高光流準確性，對害蟲目標像素之前的背景光流值賦為零，并根據(jù)光流矢量求解光流的角度值；最后采用歸一化割(NCuts)對圖像進行粘連分割，NCuts算法將圖像分割問題轉(zhuǎn)換為圖論中圖的分割問題，采用經(jīng)過光流計算得到的角度值及像素之間的位置關(guān)系作為求解權(quán)重的參數(shù)，對圖像進行劃分得到較好的粘連害蟲分割結(jié)果。(2

4、)在水稻基部白背飛虱計數(shù)研究中，采用三層檢測機制來檢測飛虱。首先采用Adaboost算法對水稻基部白背飛虱圖進行第一層檢測。建立正負樣本，分別提取Haar特征，訓(xùn)練一系列弱分類器，并組合成強分類器對含白背飛虱圖進行檢測。采用Adaboost得到較高檢出率的同時，會有較高的誤檢率，為此提出HOG特征和SVM分類器結(jié)合的方式作為第二層對Adaboost檢測的結(jié)果進行識別，去除誤檢的雜質(zhì)。采取雙閾值自動去背景后，提取三個常規(guī)特征參數(shù)作為第三層

5、，與各參數(shù)閾值比較進一步去除反光和水滴等雜質(zhì)，最終實現(xiàn)白背飛虱的檢測與計數(shù)。本研究將靜止圖像分割問題轉(zhuǎn)換為動態(tài)方式分割，有效的克服傳統(tǒng)分割中過分割和欠分割現(xiàn)象，為不規(guī)則目標的分割開拓新的方向；從機器視覺角度提出水稻基部白背飛虱自動檢測與計數(shù)，采用學習訓(xùn)練得到檢測器和識別分類器進行實時檢測和雜質(zhì)去除，避免了傳統(tǒng)顏色分割中噪聲的干擾，算法具有很好的魯棒性。關(guān)鍵詞：水稻害蟲，粘連昆蟲分割，光流法，歸一化割法，Adaboost，支持向量機Ill