[發明專利]多策略糧蟲視覺檢測方法

有效

• 申請號: 201710053006.9
• 申請日: 2017-01-24
• 公開（公告）號: CN106815819B
• 公開（公告）日: 2019-08-13
• 發明（設計）人: 王貴財;靳小波;費選;李磊;魏蔚
• 申請（專利權）人: 河南工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/10;G06T5/30;G06T5/50;G06T7/11;G06T7/194
• 代理公司: 鄭州異開專利事務所(普通合伙) 41114
• 代理人: 韓華

1.一種多策略糧蟲視覺檢測方法，其特征在于：包括下述步驟；

第一步、通過取樣器將藏在糧堆內部的活體糧蟲分揀出來，然后通過視覺設備將所述活體糧蟲拍攝以獲取所述糧蟲圖像；

第二步、對所述糧蟲圖像進行奇異值分解得到圖像數據矩陣,其中U和V分別是和的正交矩陣，為的元素為非負的對角矩陣，為V的轉置；將值全置為0形成新的，然后與和重建圖像數據矩陣；最后通過對圖像數據矩陣求差，以增強圖像中的糧蟲信息；

第三步、采用symN小波基對所述糧蟲圖像進行2層小波分解和重構；根據小波分解子帶分解系數相關性的特性，對大于閾值的高頻系數倍乘4，低頻系數縮小為原值的；即：

其中，為新低頻子帶系數；為新水平高頻子帶系數；為新垂直高頻子帶系數；為對角線方向上的新高頻子帶系數；原始低頻子帶系數；為原始水平高頻子帶系數；為原始垂直高頻子帶系數；為對角線方向上的原始高頻子帶系數；

對于圖像來說，其離散二維小波多尺度分解算法如下：設原始圖像為，dwt2 為二維離散小波變換；小波分解為：

其中，為原始低頻子帶系數；為原始水平高頻子帶系數；為原始垂直高頻子帶系數；為對角線方向上的原始高頻子帶系數；為待分解糧蟲圖像；

其離散二維小波多尺度重建算法如下：

其中，為新低頻子帶系數；為新水平高頻子帶系數；為新垂直高頻子帶系數；為對角線方向上的新高頻子帶系數；為重構糧蟲圖像；

將新細節部分高頻子帶系數和新的低頻子帶系數根據上式進行重構得到需要的高分辨率圖像；

第四步、采用Otsu方法對糧蟲圖像進行二值化；對于一幅糧蟲圖像，通過圖像的總平均灰度級，目標的平均灰度級與背景的平均灰度級以及其分別所占圖像面積的比例，依照類間方差實現目標和背景分割，完成圖像二值化的差別；

第五步、由于糧蟲屬于弱小目標，糧蟲圖像二值化后易使糧蟲區域更弱化甚至本來完整的糧蟲斷裂為兩部分，必須借助膨脹算法擴大或橋接斷裂的糧蟲圖像區域縫隙；為抑制復合干擾源下凸顯糧蟲目標來提高糧蟲視覺檢測效果，構造結構元素，同時使用水平方向和垂直方向的線性結構元素對二值圖像膨脹運算，實現糧蟲目標增強進而提高糧蟲檢測識別率；

第六步、基于Blob 算法對二值化后的糧蟲圖像進行Blob 連通域分析，從而達到糧蟲檢測目的；Blob算法實現如下：

(1)采用面積參數度量目標區域大小；對于斑塊區域，定義為該區域中像素點的數目，即：

式中：為像素坐標值，為該點的像素值， 黑點為0，白點為1；

(2)采用周長參數度量目標區域特征；對于斑塊區域，定義為斑塊區域邊界上像素點的個數；即：

式中：為像素坐標值，為該點的像素值，黑點為0，白點為1。