复杂背景下茶树害虫图像计数算法研究

依托南方地区茶树田间常用的某型号捕虫设备,采集害虫样本图像,研究基于图像处理技术的害虫计数方法。为了提取样本图像中害虫区域图像,通过几种常见的分离背景方法的试验,如颜色直方图分割和灰度阈值分割,得出样本图像中害虫区域难以分离的原因,进而提出一种网格划分图像的处理方法,即将图像按10×10划分,对划分后的图像做处理以提取害虫区域,该方法能够将害虫区域从背景中完整分离出来;针对图像中害虫区域存在粘连影响害虫计数准确率的问题,提出基于标记控制的分水岭分割算法,利用扩展极小值的方法建立标记,进而完成对粘连区域分割与害虫计数,并进行了噪声测试与害虫计数试验。结果表明,针对该型号捕虫设备采集的样本图像,害虫计数的平均准确率为91.8%,该算法能够完整地提取害虫区域,有效分离粘连重叠的害虫,适用于复杂背景下茶树害虫图像计数。     

基于显著性检测的蔬菜鳞翅目害虫图像自动分割算法

提出一种基于显著性检测的害虫图像自动分割算法(S-segmentation算法),首先利用显著性检测方法,结合图像局部区域的颜色距离和空间距离特征,对样本图像作预处理;然后采用无交互式图像分割算法处理显著检测结果图,可实现目标区域的完美分割,避免多次重复设置背景区域.通过对5种鳞翅目幼虫图像进行分割试验,结果表明该算法的分割准确性明显提高,平均分割精确度可达93.14%,较传统图像分割算法提高了约20%,并且复杂度低,运行效率高,分割精确度不受样本数量影响.进一步将该算法应用到体型和颜色多样化的鳞翅目成虫图像分割上,得到的平均分割精确度达到88.22%.     

改进遗传算法结合Otsu算法的大田作物分割

针对部分田间图像由于其背景复杂、光照不均匀等导致很难确定图像分割的最佳阈值问题,提出了一种基于结合遗传算法Otsu算法改进的图像分割方法。首先对采集的图像进行预处理,基于预处理图像通过改进遗传算法中的选择、交叉、变异三种方法以及基于Otsu优化个体适应度函数,实现了可以自动调整遗传控制参数,既确保了物种的多样性又加快其收敛速度,为Otsu图像分割提供了最佳阈值,最后经过图像形态学对图像进行填充。将改进遗传算法的Otsu算法与基于遗传算法+Otsu算法进行图像分割以及基于遗传算法+Ksw熵值图像分割进行了对比,发现该算法得到的阈值范围较为稳定,使得分割后的图像准确、清晰,对于后期进行作物株数的统计或者植株的覆盖度有一定的帮助。     

采用模糊形态学的大田害虫图像分割

介绍了基于机器视觉的大田害虫智能检测系统.文章通过对获取的大田害虫原始图像采用模糊形态学进行分割,将害虫从背景中分割出来,以提取出的周长、不变矩等特征,运用神经网络分类器对常见的9类害虫进行分类.试验验证了该系统的可行性,表明该方法分割速度快,容错性好,能够正确分割有噪声的大田害虫图像.     

基于贝叶斯决策的果树害虫图像分割研究

由于果树害虫图像中会存在背景区域,而用户关注的是图像中的害虫,需要把害虫从背景区域中分割出来。针对这种情况,提出基于贝叶斯决策的果树害虫图像分割方法。算法首先将图像中的像素分为前景和背景两类,获取两类的先验概率,取得图像中蓝色通道的灰度图,统计每个灰度级中像素出现的个数,计算出正态分布函数的参数,得到类条件概率密度函数。利用贝叶斯公式计算后验概率从而确定每个像素在两类中的归属。经过试验,可以有效的把前景区域分割出来。     

枸杞叶部病害图像分割方法研究

枸杞病害图像分割是准确识别枸杞病害的前提,本文以枸杞白粉病叶片图像为研究对象,通过对预处理后的图片分别进行OTSU分割和边缘提取,然后将两种图像进行或运算得到目标图像,得到了较好的分割效果,为后期的枸杞病害准确识别奠定了基础。     

基于k-means分割和迁移学习的番茄病理识别

针对有背景干扰的番茄病理叶片,将k-means分割与迁移学习相结合,提出一种基于k-means分割和迁移学习的方法对番茄病害叶片进行识别.首先对原始图像进行一系列预处理,再将处理后的图像进行k-means分割,得到叶片边缘的最小矩阵图像,之后进行去噪处理,简化突出图像特征,再根据预处理后的图像特点,优化改进迁移的VGG16网络结构,构建CNN模型对预处理后图像进行识别.结果显示,通过分割后训练方式平均精度提升了0.37百分点,通过冻结迁移的VGG16网络第1个卷积模块并修改全连接层的方法提升了5.4％左右.因此本研究认为通过分割、冻结VGG16第1个卷积层模块的参数并修改全连接层可以提升番茄病理识别率.     

基于LabVIEW雏鸡雌雄半自动鉴别系统

雏鸡雌雄的半自动鉴别系统,目前研究的人并不多,随着养鸡业的快速发展,具有广泛的应用前景。针对这一系统,本文提出设计和开发"基于Lab VIEW雏鸡雌雄半自动鉴别系统",该系统包括图像获取、图像预处理、图像定位、图像分割和模式识别,共5个模块。本文在技术方面介绍图像预处理、图像定位和图像分割。     

一种改进可形变FCN的农作物害虫检测方法

田间农作物害虫种类繁多，不同的生长阶段形态和颜色各异，在自然环境下采集的图像背景复杂，角度和尺度变化多样，从而使传统的害虫检测方法准确率较低。提出一种改进可形变全卷积神经网络(deformable fully convolution network, DFCN)的农作物害虫检测方法，该方法由编码模块和解码模块组成。编码模块在VGG16中采用了可形变卷积，能适应不同形状、位置和尺寸等几何形变的害虫图像。为了更好地保留害虫图像的纹理特征和背景特征，在编码模块中应用了混合池化，加快了网络的训练速度，提高了害虫检测的准确率；解码模块对编码的下采样层进行反卷积操作，最后应用像素级分类器获得有效的检测图像。在扩展的害虫图像数据集上与DFCN方法的分割精确度和平均交并比分别为90.43、78.16,较语义分割方法SegNet分别提高了3.27、3.72,单幅图像的识别时间为0.36 s,比SegNet加快了0.16 s。结果表明DFCN方法在害虫图像检测方面具有较高的准确率，分割速度快，可为复杂背景下农作物害虫检测提供一定的理论参考。     

模拟退火算法在储粮害虫图像识别中的应用

简要介绍了储粮害虫智能检测的几个部分:图像采集、图像预处理、特征形成、特征压缩及其分类。对特征选择中的模拟退火算法的思想、实现步骤、参数选择分析等进行了重声、阐述,该算法有效地将储粮害虫的17维原始形态学特征降为10维,提高了分类的效率。     

基于脉冲耦合神经网络的粘连玉米种子图像分割

为解决玉米种子内部机械裂纹检测过程中存在的种子间粘连问题,提出一种基于自适应脉冲耦合神经网络(Pulse coupled neural net)模型与熵值最大原则相结合的图像分割算法。运用直方图均衡化和布特沃斯低通滤波器进行频域增强预处理,以提高玉米种子与图像背景的对比度;运用PCNN模型,结合最大熵值原则对预处理后的粘连玉米种子图像进行分割,并引入图像像素的拉普拉斯能量(Energy of laplace)作为PCNN网络各神经元之间的连接系数,以增强图像分割效果;采用维纳滤波和数学形态学对分割后存在的噪声和断点进行处理,得到最终的分割效果。试验结果表明:PCNN与熵值最大原则相结合的图像分割算法的分割准确率为92.5%,运行时间为1.166 2s,分割准确率高于改进分水岭算法、OTSU算法和最大熵直方图分割算法,用时略长于其他分割算法。     

基于MATLAB获取甜菜冠层图像信息的研究

采用数字图像处理技术对作物进行氮素营养诊断已经成为主要技术之一。由于应用数字图像技术进行营养诊断需要前期数据支持,本文研究了基于MATLAB的图像预处理方法,图像分割方法,对原始RGB图像进行了有效的提取。使用MATLAB编程,首先对原RGB图像应用中值滤波法对原图像进行去噪处理,再进行后续图像分割工作,采用Otsu阈值分割方法去除阴影图像,利用HIS颜色模型中H通道图像选取特定阈值进行土壤分割,利用YCbYr颜色模型中Cb通道,选取Cb通道特定阈值进行白板阈值分割,最后得到只含有绿叶的RGB图像,再利用MATLAB编程统计得到绿叶所有像素点的R、G、B平均值,为后续甜菜营养诊断提供数据支持,创造了可行的前提条件。     

实木地板图像差分和形态学分割算法研究

针对现有实木地板表面缺陷分割算法分割速度慢、精度低的问题,提出基于图像差分和形态学的地板表面缺陷分割方法。首先,分别对目标图像和背景图像进行求补和低通滤波运算;其次,将预处理后的2幅图像做差分运算,得到差分图像;最后,采用形态学开闭运算去除差分图像噪声并获得目标缺陷。选取活节、死节、裂纹3类缺陷样本各20个进行试验,结果表明：该研究算法对3类样本平均分割准确革分别达到92．63％、94．31％、93．88％,平均分割时间为9．583ms。     

自然环境下苹果彩色图像分割研究

[目的]获得自然环境下较好分割苹果图像的方法。[方法]选取苹果被遮挡（主要是叶子）、相互重叠的情况作为试验图片,采用欧几里得距离对彩色图像进行预处理,在预处理中,利用边界盒的相似性准则,提高了处理速度;对预处理的结果进行黑白（苹果和非苹果）编码,产生一副二值分割图像;最后采用数学形态学对二值化图像进行处理。[结果]有效的去除了复杂背景、目标物被遮挡、相互重叠等存在的图像噪声,去噪效果良好。[结论]算法对成熟苹果具有很好的分割效果,但不适合未成熟苹果的分割。     

基于图像处理技术的储粮害虫快速识别

为了快速检测、识别出储粮虫害图像中的虫体信息,为虫害的综合防治提供依据,提出了一种基于图像处理技术的害虫检测与识别快速方法,该方法采用图像预处理技术、形态学开重建以及基于改进Hausdorff距离的模板匹配算法.结果表明：该方法不仅可以正确检测、识别出害虫信息,并且在检测与识别效率上基本达到了实时性检测的要求.     

1种基于全局对比度的害虫收集方法

  目的  目前利用测报灯,通过灯光诱捕昆虫,并由计算机完成昆虫图像的采集、计数和识别已逐步成为害虫测报的重要方法。为了减少昆虫在采样盘上重叠造成的计数和识别误差,基于害虫图像,根据昆虫密度研究采样盘中昆虫的收集方法,从而提高采集效率和精度。  方法  根据昆虫在采样盘上姿态特点,提出基于全局对比度的图像分割方法,结合阈值迭代分割获得昆虫区域,计算昆虫比例,并控制采样盘翻转完成对昆虫的收集。  结果  通过对5种害虫的实际图像进行的试验表明:与水平集、大津法(OTSU)、阈值迭代法和基于直方图对比度的显著性检测(HC)4种算法相比,本研究方法在准确率和召回率上均提高10%以上,取得了较好的结果;同时,在分割速度上比水平集快3倍,与阈值和HC算法基本持平。  结论  基于全局对比度的分割方法简单、高效,在害虫自动测报中具有较高的实际应用价值。图7表1参17     

玉米生长期叶部病害图像识别预处理研究

针对玉米生长期叶部病害的图像,引入图像模式识别技术,实现病害图像的预处理。基于传统算法的不足,提出一种改进的小波图像增强算法,提高了图像的识别精度;深入研究了病害图像的直方图均衡化预处理、基于矢量中值滤波的图像增强操作算法,并引入超绿特征值进行图像分割,从而实现了对目标图像的去噪、增强,为下一步的特征提取与病害识别打下了良好基础。     

基于直觉模糊C均值聚类算法的作物病害图像分割

针对作物病害图像的病斑分割问题,提出一种直觉模糊C均值(Intuitional Fuzzy C-means,IFCM)聚类算法。通过引入隶属度、非隶属度和犹豫度3个参数来表示模糊集,从而定义了用来表示模糊集的模糊度的直觉模糊熵(IFE)这一概念,对传统的FCM算法进行改进,克服了FCM算法分割时计算目标函数容易陷入局部极小值,而且聚类数目需要提前设定初值的缺点。将预处理过的作物(以黄瓜为例)病害叶片图像作为研究对象采用该改进算法进行病斑图像分割,得到了很好的分割效果。与其他分割方法进行比较,结果表明该算法分割出来的作物病斑图像准确率高达94%以上,分割效果明显。     

黄瓜侵染性病害图像处理及特征值提取方法的研究

为了实现温室植物病害的智能化防治,采用数字图像处理技术对植物病害进行诊断已成为主要技术之一。就黄瓜侵染性病害的图象处理及特征值提取方法进行了研究。研究在图像预处理中,由于病变叶片形状大小不一、背景的存在和病状的不同,必然套对图像处理造成影响。本研究以选择图像的背景为切入点,分离了叶片与背景；利用边框裁减算法进行了图像处理窗口的确定,从而有效地提高了处理速度；比较了两种滤波的效果：选择邻域均值法作为颜色特征提取前的预处理,选择中值滤波作为纹理特征提取前的预处理；根据RGB三体对人眼的刺激程度的不同对图像进行了灰度化处理,从而简化了图像的处理难度．并提高了处理速度；利用双峰法从背景中分割出有效分析叶片部分,利用OSTU法将叶片正常部位与病态部位分割出来。从而为后续提取有效的病害诊断特征参数和建立模式识剐系统奠定了基础。     

复杂背景与天气条件下的棉花叶片图像分割方法

为实现自然条件下棉花叶片的精准分割,提出一种粒子群(Particle swarm optimization,PSO)优化算法和K-means聚类算法混合的棉花叶片图像分割方法。本算法将棉花叶片图像在RGB颜色空间模式下采用二维卷积滤波进行去噪预处理,并将预处理后的彩色图像从RGB转换到目标与背景差异性最大的Q分量、超G分量、a*分量;随后在K均值聚类的一维数据空间中,利用PSO算法向全局像素解的子空间搜寻,通过迭代搜寻得到全局最优解,确定最佳聚类中心点,改善K均值聚类的收敛效果;最后,对像素进行聚类划分,从而得到棉花叶片分割结果。按照不同天气条件和不同背景采集了1 200幅棉花叶片样本图像,对本研究算法进行测试。试验结果表明:该算法对于晴天、阴天和雨天图像中目标(棉花叶片)分割准确率分别达到92.39%、93.55%、88.09%,总体平均分割精度为91.34%,并与传统K均值算法比较,总体平均分割精度提高了5.41%。分割结果表明,本研究算法能够对3种天气条件(晴天、阴天、雨天)与4种复杂背景(白地膜、黑地膜、秸秆、土壤)特征混合的棉花叶片图像实现准确分割,为棉花叶片的特征提取与病虫害识别等后续处理提供支持。