[發(fā)明專利]基于DCT和區(qū)域生長的白粉虱圖像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310156717.0
• 申請(qǐng)日: 2013-04-28
• 公開（公告）號(hào): CN103236061A
• 公開（公告）日: 2013-08-07
• 發(fā)明（設(shè)計(jì)）人: 張水發(fā);王開義;劉忠強(qiáng);潘守慧;王志彬
• 申請(qǐng)（專利權(quán)）人: 北京農(nóng)業(yè)信息技術(shù)研究中心
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩

技術(shù)領(lǐng)域

本發(fā)明涉及病蟲害圖像自動(dòng)化識(shí)別領(lǐng)域，特別涉及一種基于DCT和區(qū)域生長的白粉虱圖像分割方法。

背景技術(shù)

隨著機(jī)器視覺技術(shù)的應(yīng)用和發(fā)展，利用數(shù)字圖像處理技術(shù)對(duì)作物病蟲害圖像進(jìn)行處理、分割、識(shí)別，從而實(shí)現(xiàn)病蟲害自動(dòng)化識(shí)別成為可能，因此，機(jī)器視覺技術(shù)作為一種重要的病蟲害自動(dòng)化識(shí)別手段已經(jīng)日益引起人們的重視，并廣泛地應(yīng)用于病蟲害防治領(lǐng)域。

作物上害蟲種群密度和危害程度是害蟲防治決策的重要依據(jù)，也是精確噴藥的關(guān)鍵信息。與人工方法相比，使用機(jī)器視覺自動(dòng)獲取害蟲信息，不僅可降低勞動(dòng)強(qiáng)度、提高工作效率，更加客觀，避免人為因素的影響導(dǎo)致結(jié)果的不準(zhǔn)確性，而且便于與后續(xù)的防治決策和精確施藥技術(shù)對(duì)接和技術(shù)集成。目前，害蟲檢測和技術(shù)的難點(diǎn)之一是：在開放田間環(huán)境中，環(huán)境復(fù)雜，背景顏色變化多樣，背景、葉片和害蟲的灰階范圍常常重疊，導(dǎo)致害蟲的自動(dòng)分割困難。目前研究較多的是閾值法和閾值與聚類相結(jié)合的方法，在大田開放環(huán)境下，不可避免導(dǎo)致誤分割，因此找到一種能在田間開放環(huán)境下準(zhǔn)確分割害蟲的方法迫在眉睫。

發(fā)明內(nèi)容

（一）要解決的技術(shù)問題

本發(fā)明要解決的技術(shù)問題是如何對(duì)田間開放環(huán)境中的白粉虱圖像進(jìn)行分割。

（二）技術(shù)方案

為解決上述問題，本發(fā)明提供一種基于DCT和區(qū)域生長的白粉虱圖像分割方法，包括步驟：S1、將白粉虱圖像轉(zhuǎn)換到灰度空間，對(duì)所獲得的灰度圖像y進(jìn)行中值濾波去噪得到y(tǒng)1；S2、將y1用8*8模板做離散余弦變換得到dct1，截?cái)郿ct1的高頻信號(hào)，然后進(jìn)行反離散余弦變換，重新將圖像轉(zhuǎn)換到灰度空間，得到灰度圖像y2；S3、令差值圖像diffy=|y-y2|；S4、將diffy歸一化后投影到灰度空間得到灰度圖像gray_diff，計(jì)算灰度圖像的模糊熵，通過最大化模糊熵得到分割閾值，將圖像分割成清晰區(qū)域和模糊區(qū)域，得到二值圖像binary；S5、在原始的白粉虱圖像中標(biāo)記清晰區(qū)域并建立灰度值高斯模型，對(duì)標(biāo)記的清晰區(qū)域進(jìn)行自檢測，剔除明顯偏離模型的點(diǎn)，得到最終的清晰區(qū)域，開閉運(yùn)算去噪，消除離散噪聲點(diǎn)，得到起始生長區(qū)域binary1；S6、計(jì)算binary1中清晰區(qū)域的期望灰度值μ和方差σ；S7、從binary1標(biāo)記的起始生長區(qū)域開始生長，將鄰域灰度相似的點(diǎn)標(biāo)記為生長區(qū)域，所述鄰域灰度相似的點(diǎn)為鄰域的灰度值和清晰區(qū)域的期望灰度值μ的差值在一定方差范圍內(nèi)的點(diǎn)，并從該點(diǎn)繼續(xù)生長；否則，找到下一個(gè)沒有標(biāo)記的生長點(diǎn)進(jìn)行生長，直到全部標(biāo)記完成，從背景和葉片中分離出病蟲目標(biāo)。

優(yōu)選地，步驟S2中截?cái)喔哳l信號(hào)的方法是：計(jì)算8*8模板在原始的白粉虱圖像中對(duì)應(yīng)的像素灰度值之和，記為gray，將截?cái)喔哳l信號(hào)的閾值設(shè)置為gray/2。

優(yōu)選地，步驟S4中將diffy歸一化后投影到灰度空間得到灰度圖像gray_diff的計(jì)算方法是：gray_diff(i,j)=diffy(i,j)/max(diffy)*255，i,j分別為圖像的高和寬，max(diffy)為diffy中的最大值。

優(yōu)選地，步驟S4中計(jì)算閾值的方法是：將灰度圖像gray_diff模糊化，計(jì)算圖像的模糊熵，通過設(shè)定模糊熵最大時(shí)的參數(shù)選擇得到最優(yōu)閾值。

優(yōu)選地，步驟S5中明顯偏離模型的點(diǎn)為：與該高斯模型均值的差值在3倍方差范圍外。

優(yōu)選地，步驟S6中，清晰區(qū)域的期望灰度值：

方差：

其中，H、W分別為圖像的高和寬。

優(yōu)選地，步驟S7中，用深度優(yōu)先的方法進(jìn)行區(qū)域生長。

（三）有益效果

本發(fā)明的上述技術(shù)方案具有如下優(yōu)點(diǎn)：基于DCT和區(qū)域生長的白粉虱圖像分割方法方法模仿人的信息處理功能，先通過清晰度特征粗略找出感興趣區(qū)域，然后結(jié)合害蟲圖像局部聚合度較高的特性，利用區(qū)域生長方法提取完整害蟲目標(biāo)。

附圖說明

圖1是本發(fā)明基于DCT和區(qū)域生長的白粉虱圖像分割方法的流程示意圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

根據(jù)本發(fā)明提出了一種基于DCT和區(qū)域生長的白粉虱圖像方法，包括步驟：

1、一種基于DCT和區(qū)域生長的白粉虱圖像分割方法，其特征在于，包括步驟：

S1、將圖像轉(zhuǎn)換到灰度空間，對(duì)灰度圖像y進(jìn)行中值濾波去噪得到y(tǒng)1；