水稻害蟲圖像分割與檢測算法研究.pdf

1、浙江理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)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(xué)或其他教育機(jī)構(gòu)的學(xué)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(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)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(jìn)

2、行測報(bào)方式主要是通過測報(bào)燈誘集害蟲和田間害蟲調(diào)查。測報(bào)燈誘集的害蟲需要次日取回，人工識別和計(jì)數(shù)；水稻飛虱田間調(diào)查需要一人下田持盤拍稻計(jì)數(shù)，一人記錄數(shù)據(jù)。這兩種人IN報(bào)方式均存在勞動強(qiáng)度大和準(zhǔn)確性差的問題。本研究針對這兩種測報(bào)調(diào)查方式存在的問題，采用圖像處理和機(jī)器視覺對水稻燈誘害蟲自動識別計(jì)數(shù)中的粘連分割和水稻基部飛虱的自動計(jì)數(shù)進(jìn)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(jìn)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(zhǔn)確性，對害蟲目標(biāo)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(jìn)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(jì)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(jìn)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(jì)數(shù)研究中，采用三層檢測機(jī)制來檢測飛虱。首先采用Adaboost算法對水稻基部白背飛虱圖進(jìn)行第一層檢測。建立正負(fù)樣本，分別提取Haar特征，訓(xùn)練一系列弱分類器，并組合成強(qiáng)分類器對含白背飛虱圖進(jìn)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(jìn)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(jìn)一步去除反光和水滴等雜質(zhì)，最終實(shí)現(xiàn)白背飛虱的檢測與計(jì)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(biāo)的分割開拓新的方向；從機(jī)器視覺角度提出水稻基部白背飛虱自動檢測與計(jì)數(shù)，采用學(xué)習(xí)訓(xùn)練得到檢測器和識別分類器進(jìn)行實(shí)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(jī)Ill