基于离散余弦变换和区域生长的白粉虱图像分割算法.pdf_第1页
基于离散余弦变换和区域生长的白粉虱图像分割算法.pdf_第2页
基于离散余弦变换和区域生长的白粉虱图像分割算法.pdf_第3页
基于离散余弦变换和区域生长的白粉虱图像分割算法.pdf_第4页
基于离散余弦变换和区域生长的白粉虱图像分割算法.pdf_第5页
已阅读5页,还剩3页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第 29 卷 第 17 期 农 业 工 程 学 报 Vol.29 No.17 2013 年 9 月 Transactions of the Chinese Society of Agricultural Engineering Sep. 2013 121 基于离散余弦变换和区域生长的白粉虱图像分割算法 张水发 1,2,王开义1,2,刘忠强1,2,杨 锋1,2,王志彬1,2 (1. 北京农业信息技术研究中心 北京 100097; 2. 国家农业信息化工程技术研究中心 北京 100097) 摘 要:图像分割是病虫害自动识别的难点之一,目前大多基于颜色、纹理等信息采用阈值法或聚类法进行分 割,简单,易实现,但分割精度较低。该文针对田间开放环境中,不能用颜色、纹理特征有效分割病虫害图像 的问题,引入离散余弦变换(discrete cosine transform,DCT) ,提出用清晰度对病虫害图像进行分割,以提高 分割精度。DCT 的低频信号表示图像轮廓,高频信号表示图像细节,对于病虫害图像,焦点通常聚集在目标区 域,该文提出截断 DCT 高频信号,再与原图做差的方法以区分清晰部分和模糊部分,然后结合病虫图像局部聚 合度较高的特性,利用区域生长方法提取完整目标。采用该算法对白粉虱图像进行分割测试,并与阈值法和 GMM 方法比较:分割结果中,目标的一致性和边缘的清晰度明显好于阈值法和 GMM 方法,平均正确分类率 为 98.49%,分别较 R,B,Y 空间中阈值法和 Y 空间中 GMM 方法分类正确率高 2.96%、3.28%、3.24%和 9.65%, 差异达到显著水平。 基于 DCT 和区域生长的分割算法鲁棒性高, 能够有效地将病虫害区域从自然环境中采集的 叶片中分离,可用于分割白粉虱图像。 关键词:图像分割,离散余弦变换,病虫害控制,局部特征,区域生长,白粉虱 doi:10.3969/j.issn.1002-6819.2013.17.016 中图分类号:TP391.4 文献标志码:A 文章编号:1002-6819(2013)-17-0121-08 张水发,王开义,刘忠强,等. 基于离散余弦变换和区域生长的白粉虱图像分割算法J. 农业工程学报,2013, 29(17):121128. Zhang Shuifa, Wang Kaiyi, Liu Zhongqiang, et al. Algorithm for segmentation of whitefly images based on DCT and region growingJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(17): 121128. (in Chinese with English abstract) 0 引 言 随着计算机软硬件性能的提高以及机器视觉 技术的进步, 利用机器视觉实现病虫害自动识别已 受到广泛关注1-3。机器视觉技术在农业中的研究 起步较晚, 其中高效高精度的分割算法是实现自动 识别的热点难点问题4-7。陈月华等8对非特定场 景下害虫的分类和分割算法进行了研究, 用支持向 量机(support vector machine,SVM)和基于 K- 均值聚类的方法进行分类。张建华等9针对受棉 蚜、棉叶螨、棉盲蝽、斜纹夜蛾和烟粉虱等害虫为 害后棉花叶片表面出现的不同症状, 通过基于径向 基支持向量机的方法进行识别。刘德营等10利用 基于图像频谱特征的稻飞虱识别方法, 实现田间稻 收稿日期:2013-04-12 修订日期:2013-08-07 基金项目:国家科技支撑计划(2012BAD38B07) ;农业科技成果转化 资金项目(2011GB2A000004) 作者简介:张水发(1985) ,男(汉族) ,福建省将乐县人,主要从事 图像理解,智能检测方面的研究。北京 北京农业信息技术研究中心 100097。Email: 通信作者:王开义(1974) ,男(汉族) ,副研究员,博士,主要从 事农产品流通信息化,智能检测方面的研究。北京 北京农业信息技术 研究中心 100097。Email: 飞虱的自动识别。毛文华等11采用基于色度和形 态特征的图像处理方法提取蝗虫信息, 并根据群居 蝗虫个体大小基本一致的特性, 由单个蝗虫的平均 面积计算蝗虫数量。赵三琴等12分析了具有旋转、 平移和尺度不变性, 并与边界的起点位置无关的归 一化傅里叶描述子, 结合欧氏距离应用于稻飞虱的 性状识别。 针对病虫图像分割, 前人研究的主要方 法集中于阈值法13和阈值与聚类14相结合的算 法。由于田间环境复杂,背景颜色变化多样,灰阶 范围常常出现重叠, 如图 1 所示, 背景中存在白色 的花, 与病虫的颜色相近, 用阈值法这种固定标准 的分割方法,不可避免的存在误分割。 研究发现, 采集图像时, 通常将焦点对准感兴 趣区域, 而背景处于离焦状态。 图像经过离散余弦 变换(discrete cosine transform,DCT)15-17后低 频信号表示图像轮廓, 高频信号表示图像细节。 通 过截断 DCT 高频信号,与原图做差分,得到原始 图像的清晰部分和模糊部分, 结合病虫图像局部聚 合度较高的特征,提出基于 DCT 和区域生长18的 图像分割算法, 在大田开放环境中, 实现对白粉虱 的精确病虫图像分割。 农业工程学报 2013 年 122 1 材料与方法 1.1 图像获取 2009 年 6 月 17 日上午于北京小汤山国家精准 农业研究示范基地,在大田开放环境条件下采集辣 椒、黄瓜、番茄和茄子叶片上附着的白粉虱(包括 烟白粉虱和温室白粉虱)图像样本。所用数码相机 为 SONY DSC-W35(分辨率为 2 0481 536,处理 图片时,视需要压缩为 1 024768)。拍摄图像时, 相机设置为自动调节焦距和光圈,自动白平衡,关 闭闪光灯,采取遮阴避免阳光直接照射和避开刮 风、降雨天气拍摄病虫图像,如图 1 所示。为获取 清晰的病虫图像,消除运动模糊的干扰,拍摄时将 植株固定,减少抖动。图像以 JPG 格式保存。 图 1 辣椒叶片上的白粉虱图像 Fig.1 Whitefly on pepper leaf 1.2 算法介绍 在田间开放环境中,由于环境复杂,背景颜 色变化多样,背景、叶片和病虫的灰阶范围常常 重叠19,图 2 为图 1 在 R 和 Y 空间20的直方图。 a. R 空间 b. Y 空间 图 2 直方图 Fig.2 Histograms 从图中可以看出, 不论在R空间还是在Y空间, 虽然有明显的波峰和波谷,但是波峰和波谷之间存 在很大部分的灰度重叠,阈值法不可避免的存在误 分割。 通过对大量病虫害图片的分析发现,采集病虫 害图像时,相机通常聚焦于目标病虫区域,因此, 文章提出 DCT 和区域生长方法分割病虫图像,详 细算法如下。 1)将图像转换到灰度空间,为了消除图像中 孤立的噪声点,并且较好的保护图像的边缘信息, 选择 3(像素)3(像素)模板,对灰度图像 y 进 行中值滤波去噪得到 y1,如图 3a 所示; 2)将 y1 用 8(像素)8(像素)模板做离散 余弦变换得到 dct1,如图 3b 所示; 3)为了去除图像的细节,保留图像的轮廓信 息,保留 DCT 变换后的低频信号,用低频信号值 的一半作为阈值, 截断高频信号, 然后进行反离散 余弦变换, 重新将图像转换到灰度空间, 得到灰度 图像 y2,如图 3c 所示;其中,低频信号 f0如式 1 所示; 1 0 0 n k k fx = = (1) 其中,n为模板大小,在本文中为 64,xk表示 模板中像素灰度值。 4)令差值图像diffy=|y1 - y2|,diffy灰度化后如 图 3d 所示; 5)基于类间距离最大,类内距离最小的原则21, 用自适应阈值法22将diffy二值化, 小于阈值, 为模 糊区域,否则为图像清晰区域,得到二值图像 binary,其中i为图像高度,j为图像宽度; 6)标记步骤 5)中的图像清晰区域,并利用清 晰区域的像素灰度值建立高斯模型(,)23, 为清晰区域的灰度期望值,为方差,计算公式如 式(2),式(3)所示; 00 00 1( , ) 2. National Engineering Research Center for Information Technology in Agriculture, Beijing, 100097, China) Abstract: Image segmentation is one of the fundamental problems in an automatic pest identification system. In the current research, algorithms based on thresholding or clustering are widely used. Despite the simplicity and efficiency of the traditional methods, their performances are not satisfactory because the gray intensity is overlapped among the background of plant leaves and pests in the field environment. In this paper, we propose a novel method to segment the whitefly in the field environment by the Discrete Cosine Transformation (DCT) and region growing methods. The images are assumed to be rightly taken and focused on the target objects. The low frequency of DCT represents the image contour, and the high frequency of DCT represents the image details. The high frequency of DCT is used to distinguish the blurred image from the clear image globally. On the other hand, the local intensity of the pests is changed gradually and the intensity between pests and the closed background or plant leaves is changed greatly, so region growing is adopted to take advantage of the local intensity of the objects and to extract complete targets locally. To be specific, first, the gray image is transformed by discrete cosine transformation, and the high frequency part is truncated. Then it is re-converted to a gray image by inverse discrete cosine transformation. Second, the transformed image and original image are differentiated. Through an adaptive thresholding and open-close operation, we obtained the clear foreground regions. Third, we marked each clear region and established the gray model. Finally, as the pests have good local polymerization degree, the region growing method was adopted to extract the complete target object. Pixels in the clear regions and conforming the region gray model are involved in the growing process with an 8-direction searching scale. As a result, each single connected component was taken as a target pest. The algorithm was implemented on a Visual Studio 2005 platform. The experiments were conducted on whitefly images by comparison with the methods base

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论