（控制理论与控制工程专业论文）基于图像识别的森林害虫分类方法研究.pdf

摘要 本文竣数字图像处理技术和神经网络等现代信息技术为研究方法，以森林害虫测报 中常见的三类甲虫为研究识别对象，给出了一种基于数字图像处理和人工神经网络技术 进行森林害虫识别的方法，即利用数字图像处理技术提取特征，利用m a t l a b 7 1 开发 的神经网络包进行识别，并给出了神经网络的总体设计和实现方案。 本文的主要研究内容如下： ( 1 ) 森林害虫的数字图像处理由于预处理的必要性以及重要性，本文着重在灰 度均衡化、滤波去噪、图像分割等方面进行原理阐述以及方法研究。通过两种滤波方式 的对比，最后选用均值滤波进行滤波去噪。之后对滤波后的图像进行阈值分割，把灰度 图像转化成二值图像，再进行多种梯度算子的边缘检测，经性能比较之后，选用c a n n y 算子进行森林害虫图像边缘检测。 ( 2 ) 森林害虫图像的特征提取经分割得到的害虫二值图像不能直接用来设计神 经网络，一方面由于图像的维数很高，不适于神经网络的输入，另一方面更重要的是这 种二值图像的直接描述并不能反映害虫的本质特性，因此必须从二值图像中找出能反映 害虫本质特性的一些描述，这就是所谓的特征提取。形态特征是比较直观她描述物体的 一类特征，本文提取了森林害虫的包括周长、面积、圆形度、伸长度等几何特征和对位 移、旋转、伸缩具有不变性的七个不变矩特征。 ( 3 ) 人工神经网络技术首先阐述了人工神经网络的基本内容，包括概述、分 类，学习与掣i l 练、数学模型、传递函数以及b p 神经网路等。 ( 4 ) b p 神经网络设计这一部分简单介绍了m a t l a b 神经网络工具箱，着重讲 述了b p 神经网络的设计，并利用b p 神经网络进行了森林害虫的初级分类 关键词图像处理；神经啜络；害虫识别 a b s t r a c t i nt h i sp a p e r , d u n gb e e t l e ，w h i c hi sc o i i i l i i o i l li ni 璐p e 她a n dr e p o r t i n gf o r e s ti n s e c tp e s t , w a ss t u d i e dw i t hm o d e r ni n f o r m a t i o nt e e l m o l o g i e s s u e l aa sn c t t r a ln e t w o r ka n dd i g i t a li m a g e - p r o c e s s i n g t i l et e c h n o l o g yo fi m a g e - p r o c e s s i n gi sm a d eu s co fe x t r a c t i n gf e a t u r e so fs o i n e i m a g e s t h ep a c k a g e so fm a t l a b 7 1n c t t t r a ln e t w o r ka r em a d eu s co fi d e n t i f y i n gi n s e c tp e s t s ht h i sp a p e r , l a o to n l ya no v e r a l ln 伽t l a ln e t w o l r kd c s i g nb u ta l s ot h es o l u t i o nh a sb e e np r o v i d e d t h ef o l l o w i n ga 聆m a i nr e s e a r c hc o n t e n t s ： ( 1 ) t r e a t m e n to ff o r e s ti m e e tp e s td i g i t a li m a g et h ep a p e rp u tt h ee m p h a s i s 蛐t h e t h e o r ye x p o m l d i n ga n dm c t l a o d sr e s e a r c ho fg r a y s c a l ee q u i l i b r a t i o n , n o i s er e m o v a lb yf i l t e r i n g , i m a g es e g m e n t a t i o na n d o n , i , c a l i i s co ft h ee 鹞e l l t i a la n di m p o r t a n c eo fp r c t r c a t m e t l t t h o u g hc o m p a r i n gt h et w of i l t e r i n gm o d e s ，a tl a s tu s i n ga v e r a g ef i l t e r i n gt or e m o v en o i s e ，a n d t h e nd o i n gt h r e s h o l ds e g m e n t a t i o no nt l a cf i l t e r e di m a g e s t r a m f o r m i u gt h eg r a y s e a l et ob i n a r y , t h e nd e t e c t i n ge d g e sb ym a n ye d g ed e t e c t o r s ，a f t e rc o m p a r i n g , s e l e c t i n gc a n n yd c t c c t o rt o d e t e c tt h ee d g e so ff o r e s ti n s e c tp e s td i g i t a li m a g e ( 2 ) f e a t u r ee x t r a e t i o l lo ff o r e s ti n s e c tp e s td i g i “i m a g et h es e g m e n t e db i n a r y i m a g e sc a n tb eu s e df r od e s i g nn e u r a ln e t w o r k , f i r s t , b c c a u 船t h ed i m e n s i o ni st oh i g h ，i t d o e s n tf i tt h ei n p u to fn e u r a ln e t w o r k s e c o n d , w h i c hi st h em 嘴ti m p o r t a n t , t h e s ed i r e c t d e s c r i b i n go ft h eb i n a r yi m a g e s 伽tr e f l e c tt h ee s s 锄c co fi n s e c tp e s t ，s o ，s h o u l df i n ds o l n e c h a r a c t c l s ，t h i si sw h a ti sc a l l e df e a t u r ee x t r a c t i o n s h a p ei s0 1 1 co ft h ef e a t u r e s ，i nt h i sp a p e r , i n c l u d i n g1 ) c r i m c t c r , a r e a , r o t u n d i t y , e l o n g a t ec t eg e o m e t r yf e a t u r e , a n ds e 、，m o m e n t s i n v a r i a n tw h i c hd o n ，te l a a l a g ew i t hd i s p l a c e m e n t ，c i f c u m r o t a t e ，t l e x ( 3 ) t h et e c h n i q u eo f n c u r a ln e t w o r k f i r s t , s a y i n gt h eb a s i cc o n t e n to f l l e u r a ln e t w o r k , i n c l u d i n gs u m m a r y , c l a s s i f y , s t u d y , t r a i n i n g , m a t h e m a t i cm o d e l ，w a n s f e rf u n c t i o na n db p n e u r a ln e t w o r k ( 4 ) t h ed e s i g no fn e u r a ln e t w o r kt h i sp a r ts i m p l yi n t r o d u c e sm a t l a bn e u r a l n e t w o r kt o o l b o x p u tt l a ce m p h a s i s 仰t l a ed e s i g no fn c t t r a ln e t w o r k , a n dn e u r a ln e t w o r k 批 h l a d eu s eo f p r i m a r yi d e l l t i f y i n gi n s e e tp e s t s k e y w o r d sd i g i t a li m a g e - p r o c e s s i n g ；n e u t r a ln c t w o r k ；i n s e c tp e s t si d e n t i f i c a t i o n ， 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研 究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得壅皇垦签些盘茎或其他教育 机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡 献均己在论文中作了明确的说明并表示谢意。 学位论文作者签名：司爸捌签字日期秽曲| 年百月疗日 学位论文版权使用授权书 本学位论文作者完全了解蠡韭盎些盘鲎有关保留、使用学位论文的规 定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查 阅和借阅。本人授权盎韭盎些叁茔可以将学位论文的全部或部分内容编入有 关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论 文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者毕业后去向： 工作单位： 通讯地址： 导师签名： 签字日期：t ，7 年，月胪日 电话： 邮编： 右馥 ，凳 1 吲 j 珥 j 鼋 心 司 月 名 年 签1 ， 秘 旧 伶 彦 文 期 论 日 位 字 学 签 i 绪论 1 绪论 1 1课题背景 中国林业科学研究院林业可持续发展研究中心2 0 0 5 年提供的资料显示，中国现有 森林面积1 74 9 1 万公顷，森林覆盖率1 8 2 1 。森林病虫害的发生面积和危害程度成上 升趋势，使得大面积的天然林遭到破坏，生态环境进一步恶化，因此引发的国土沙漠化 和水土流失更造成了无以估量的损失。作为森林保护的重要组成部分，森林病虫害的防 治是我国现代林业发展的基础。 目前，我国发生的最危险的森林病虫害，每年给我国造成直接经济损失达5 6 0 亿元 。因此，森林病虫害常常被称为“不冒烟的森林火灾”。使有关部门根据森林病虫情 预测预报提供的信息，组织人员，采取必要的、合理的防护措施，将森林虫害控制在造 成林木或林产品受到损害之前，及时、准确的预测、预报对于那些危害性大、经常暴发 成灾的病虫种类尤为重要。对于没有提前采取预防措旋而发生的虫害，在采取扑灭或治 理性措施前，同样需要尽快的预测出该种虫害的进一步发生趋势，可能造成的危害和产 生的损失情况，为生产单位提供科学有效的保护措施【2 叫。 1 2森林害虫测报技术研究现状 1 2 1国内研究现状 随着现代信息技术的迅速发展，越来越多的研究人员将各种高新技术在森林害虫监 测与预报中。黄向东将灰色系统理论应用在森林害虫测报中【4 】，通过应用灰色系统理论 对黄脊竹蝗及马尾松毛虫历年统计资并分析，建立了这两种害虫的发生量、发生期及发 生程度的测报模型，并用该模型对马尾松毛虫的发生进行了中、长期预测预报的探讨。 汤金仪、王建强、莫肖斌开发了自动昆虫诱集器【5 l 。开发过程中，参考了日本同类产品 的资料和图片样本，同时结合了我国测报工作的实际情况和测报技术标准。2 0 0 0 年4 月 到5 月，在江苏吴县病虫测报站进行了诱虫试验，达到了预期效果。叶勤文、周卫、高 景斌等将航空摄像技术应用在松材线虫病监测上嘲，从1 9 9 4 至1 9 年安徽省森防总站 利用航空摄像技术共监测发生松材线虫病的松林约1 3 3 万公顷，及时地把图像处理的结 果上报给决策部门，并分发至松材线虫病发生区的林业部门，为制定除治方案，及时采 取措施控制松材线虫病在安徽的蔓延起到了重要的作用。项云飞和陈绘画应用人工神经 网络预测马尾松毛虫的有虫面积【”，运用人工神经网络的原理和方法，选取与马尾松毛 虫发生量相关关系密切的8 个气象因子作为样本的输入特征，建立马尾松毛虫有虫面积 与气象因子的b p 网络模型，结果表明：所建立的b p 模型，具有令人满意的拟合精度 和预测精度。当隐含层神经元个数为1 5 个，输入因子数为8 个时，1 8 组有虫面积的平 东北林业大学硕士学位论文 均拟合精度为1 0 0 ，相关系数为1 0 0 0 0 ，2 组预留有虫面积的平均预测精度为 9 6 8 5 ，预测准确率为1 0 0 。蒋建军等以环青海湖地区为例 8 1 ，使用t m 和d e m 、草 地类型图以及g p s 定位的野外调查资料，从遥感图像处理、地理数据及专家知识一体 化的角度出发，进行草地蝗虫生境类型的分类，精度达8 4 2 3 ，比最大似然法提高 1 0 2 。刘书华等开发了集人工智能与植保专家知识为一体，具有多媒体功锯的空间决 策支持系统i 叭，能将病虫害的险情转化成电子地图，实现了虫害的动态预测及空间决 策。朱跃珍等提出了运用3 s 技术建立天然林保护工程森林健康维护系统的设计构想 l o l 。该系统以卫星数据为虫害的预测依据，在g i s 中建立预测模型、拟定防治计划和工 作路线，利用g p s 导航引导、寻找防治工作区。通过遥感图像监测评价防治的效果和 病虫害的发生、发展趋势。武红敢等利用t m 数据对马尾松毛虫的为害进行了监测，认 为t m 5 4 及t m 4 3 是监测虫害的有效参数i l l 】，建立了针时损失率与t m 5 4 之间的非线性 关系，为区分各级松毛虫灾提供了有利的数据依据【1 2 1 。刘志明等利用a v h r r 数据对大 范围落叶松毛虫进行了研究，找出了不同灾害程度的r v i 临界值，判对率达7 3 ，与同 期t m 影像解译结果进行比较，相关系数达0 9 1 i t 3 。 目前我国已初步建立起全国森林病虫害防治和检疫管理系统，主要完成利用计算机 网络技术、数据库技术开发的森林病虫害管理信息系统，将森林病虫害管理行业内国 家、省、地( 市) 和县4 级管理部门的计算机管理数据互连起来，实现网络中的资源共 享，提高信息资源的利用，并应用程序可以对森林病虫害的发生情况、防治效果，进行 可视化管理。 1 2 2国外研究现状 t w e r y 等将遥感数据和实地调查数据结合，利用g i s 研究了虫害的分布及种群密度 与环境因子的关系，预测了害虫的栖息带及潜在的发生带、迁飞害虫生境的季节性分布 及扩散范围，实现了对为害区域的实时观测和评估【1 4 l 。美国l i eb h o l da 等使用地理统 计学模型对舞毒蛾发生区分布及发展趋势进行测报。研制出森林害虫地理信息系统管理 计划，在舞毒蛾和云杉卷叶蛾综合治理中应用l 堋。l o h 等建立了短叶松卷叶蛾的含g i s 成分的决策支持系统，使系统接近于应用实际，便于一般管理人员使用【1 6 1 。l i e b h o l d s m i t h 等将遥感影像和g i s 结合用于大范围杀虫剂效用的评估，并评价了舞毒蛾2 种防 治方法的效剁1 7 1 。美国林务局为每个林管局和林业研究实验站都配备了资源级g p s 接 收机，它们主要用于森林灾害监测和防治的飞机导航、林相图的自动更新、林业作业的 定位。值得强调的是，由于林务局可以接收军方的p 码信号，所以可获得极为精确的定 位服务，从而激发了林业管理工作者运用g p s 技术的极大热情。在美国林区，现有7 3 个基准站为各种差分处理提供校准数据l 阍。 1 3森林害虫图像识别分类方法的研究意义 现在由于森林病虫害的不断增加，监测预报的工作已经成为一件极为费时而又枯燥 的工作。多年的经验告诉我们：几乎所有重大灾情都是因为没有认真做好监测预报和防 治不及时所造成的，必须吸取这个教训。 本文将图像模式识别这一新兴的学科应用到森林害虫图像识别方法的研究，通过这 一方法使一些非专业人员也可以对其进行分类识别，及时的进行预报，并采取措施减少 损失，使减少监测预报时问、提高工作效率及减少管理人员数量成为可能。 1 4本文的研究思路及内容 森林害虫的图像模式识别是模式识别的一个特例，因此也遵从一般模式识别的步 骤。本文拟在图像预处理、特征提取、b p 网络设计三方面进行一些方法上的研究。本 文对森林害虫的图像模式识别的基本思路框图见图1 - 1 。 森林害虫数字图像 预处理( 灰度均衡化、 平滑、分割等)。几篙臻魏，ho 高辐孬 ( 几何、不变矩) l l “”“” 图1 - 1 基本思路框图 本文对森林害虫图像的识别作了大量的实验工作，进行了有益的探索。按照图像识 别的基本思路框图，本文对图像预处理、特征提取、b p 网络设计这三个模块分别作i 原理介绍、方法研究和实验结果分析，并且附有实例。全文主要可分为四大部分： 第一部分，森林害虫的图像处理。由于预处理的必要性以及重要性，本文着重在灰 度均衡化、滤波去噪、图像分割等方面进行原理阐述以及方法研究。通过两种滤波方式 的对比，最后选用均值滤波进行滤波去嗓。之后对平滑后的图像进行阈值分割，把灰度 图像转化成二值图像，再进行多种梯度算子的边缘检测，经性能分析比较之后，选用 c a n n y 算子进行森林害虫图像分割。 第二部分，森林害虫图像的特征提取。经分割得到的害虫二值图像不能直接用来设 计分类器，一方面由于图像的维数很高，不适于分类器的设计，另一方面更重要的是这 种二值图像的直接描述并不能反映害虫的本质特性，因此必须从二值图像中找出能反映 害虫本质特性的一些描述，这就是所谓的特征提取。形态特征是比较直观地描述物体的 一类特征，本文提取了森林害虫的包括周长、面积、圆形度、伸长度等几何特征和对位 移、旋转、伸缩具有不变性的七个不变矩特征。 第三部分，人工神经网络技术。首先阐述了人工神经网络的基本内容，包括概述、 分类、学习与训练、数学模型、传递函数以及b p 神经网路等。 第四部分，b p 神经网络设计。这一部分简单介绍了m a t l a b 神经网络工具箱，着 重讲述了b p 神经网络的设计，并利用b p 神经网络进行了森林害虫的初级分类。 东北林业大学硕士学位论文 2 森林害虫的图像处理 2 1数字图像处理概述 2 1 1图像处理的概念 视觉是人类从大自然中获取信息的主要手段，据统计，人类获取的信息中，视觉信 息占6 0 ，听觉信息占2 0 ，其他如味觉信息、触觉信息等加起来约占2 0 。由此可 见，视觉信息对人类的重要性，而图像正是用各种观测系统观测世界获得的，且可以直 接或间接作用于人眼而产生视觉的实体，是人类获取视觉信息的主要手段。所谓图像处 理，就是对图像信息进行加工以满足人们心理或应用需求的行为【1 9 1 。 2 1 2数字图像处理技术的内容 数字图像技术主要研究图像变换、图像编码压缩、图像增强和复原、图像分割、图 像描述、图像分类( 识别) 等几方面的内科雏捌。 2 1 3数字图像处理的应用 目前数字图像处理的应用越来越广泛，我们几乎找不出来与其不相关的领域，它已 经渗透到工业、农业、医疗保健、航空航天、军事等各个领域，在国民经济中发挥着越 来越大的作用。图像处理的应用领域如表2 1 所示： 表2 - 1 图像处理领域 学科应用 物理、化学 生物、医学 环境保护 法律 地质 农业、林业 渔业 气象 通信 工业 军事 结晶分析、谱分析等 细胞分析、染色体分类、x 射线成像、c t 等嘲 水质及大气污染调查等 指纹识别等f “瑚 资源勘测、地图绘制、g i s 等 农产品估产、植被分布调查等降铡 鱼群分布调查等 卫星云图分析等 传真、电视、多媒体通信等 工业探伤、机器人、产品质量监测等 导弹导航、军事侦察等 2 2图像的预处理 由于通过图像采集系统所获得的图像在生成和传输过程中会因各种噪声源的干扰和 影响而使图像中包含了各种各样的噪声和畸变，去掉这些噪声和畸变，突出图像的有用 信息，或将图像变换成某种标准形式，以易于特征提取和识别的进行。这样的处理在图 像分析和识别中被称为预处理。它包括：空间域的灰度修正、图像平滑、图像锐化以及 频率域的图像增强等例，见表2 - 2 。 2 森林害虫的图像处理 针对本论文的应用，本节将就前两种预处理方式进行阿述。 表2 - 2 常用的图像预处理方法 2 2 1直方图均衡化 在数字图像处理中，灰度直方图概括了一幅图像的灰度级内容。灰度直方图是灰度 级的函数，是图像灰度的一阶概率分布，描述的是图像中具有该灰度级的像素的个数， 其横坐标是灰度级，纵坐标是该灰度出现的频率。 对于灰度范围为o - - ( l 1 ) 的l 级图像，n 。为具有第k 级灰度的像素个数，痒为图像 总像素个数，则定义直方图或灰度分布概率密度为： p k ) - 兰k - o ，1 , 2 c 己一1 )( 2 1 ) n 所谓直方图均衡化，是指通过灰度级变换，改造原图像的直方图，而使变换后韵图 像的直方图达到一定的要求。采用直方图均衡化可使原图像灰度级集中的区域拉开或使 灰度分布均匀，从而增大反差，使图像的细节清晰，达到增强目的。 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，增加像素灰 度值的动态范围，从而达到增强图像整体对比度的效果。 只( 艮) 一苎o lk o , 1 , 2 l 一1 ( 2 - 2 ) 九 式中图像厂b ，_ ) ，) 的第七级灰度值； ，b ，) ，) 中具有灰度值的像素的个数； 东北林业大学硕士学位论文 以g 。) 原始图第i 个灰度级的出现概率。 以p ，k ) 为函数得到的曲线就是图像的直方图。 累积分布函数( c u m u l a t i v ed i s t r i b u t i o nf u n c t i o n ，c d e 9 能将s 的分布转换为t 的均匀 分布。事实上s 的c d f 就是原始图的累积直方图，这种情况下有： 一 - 生一p ，b ) 0 s 1 七一0 , 1 , 2 l 一1 ( 2 3 ) 镯丽 由式( 2 - 3 ) 可见，根据原图像壹方图可直接算出直方图均衡化后各像素的灰度值。当 然实际中还要对以取整以满足数字图像的要求【3 l 】。 均衡化的实质是减少图像的灰度等级以换取对比度的扩大。但是由于在均衡化过程 中，原直方图上频数较小的灰度级被并入少数几个或一个灰度级，对应的图像部分将得 不到增强。 图2 - 1 、2 - 2 、2 - 3 分别是丽金龟、花金龟、鳃金龟三类昆虫，每类四个样本图像经 过直方图均衡化后的灰度图、均衡化前后图像的灰度直方图。由图可见，变换后的图像 较之原始图像，对比度得到增强，视觉上更加清晰，细节更加突出，效果明显改善 图2 - 1 丽金龟图像的均衡化处理 ：壅苎童墨塑星堡竺墨 图2 - 2 花金龟图像的均衡化处理 图2 - 3 鳃金龟图像的均衡化处理 7 ， ，熟) 】，缀g q m - m e d x ，i e l - m e d x i ，x s 而。 ( 2 - 5 ) 均。朋b d k ，( f ，) ，2 一d + ，m 加) ，( ，s ) 爿，( f ，j ) e 1 2 ( 2 - 6 ) 2 森林害虫的图像处理 成的4 邻域和以j 个单位距离为半径r 构成的8 邻域，如图2 - 4 圆形区所示 4 血f 出 1 4 出f 出 1 图2 - 44 邻域和8 邻域 下面分析它的滤波特性，假设噪声的模型为： g o ，) - ，( f ，j ) + 一仁，) 彻8 邻域一2 呶 ( 2 - 7 ) 经邻域平滑得到的图像为： 棚。石1 船( f ，加石1 彩帅石1 船( 2 - 8 ) 式中$ o ，) 点的邻域； j i f 邻域中的总点数根据统计分析。 第2 项中，噪声的方差为： 。i 吉国) l - 嘉。留白) ) - 吉c r 2 一( 2 - 9 ) 式中d 求噪声方差运算o o 2 m i x 未经邻域平滑前原图像噪声的方差。 均值滤波可归结为矩形窗加权的有限冲激响应线性滤波器，它的幅度特性的“主 瓣”对应频率范围为( 一等，等) 的区域( 其中为矩形窗的窗口长度，也即滤波窗口内 的象素数目) ，第一个“旁瓣”比主峰低1 3 分贝。因此，均值滤波相当于低通滤波器， 截止频率与 r 成反比，但不管怎么选取，均值滤波的这种低通性能在平滑噪声的同 时，必定也会模糊信号的细节和边缘| 3 5 - 3 6 1 。 2 2 2 3实验仿真与结论 图2 5 、2 - 6 、2 - 7 分别是丽金龟、花金龟、鳃金龟三类昆 虫，每类四个样本图像分别采用中值滤波和均值滤波对灰度均衡后的样本图像3 x 3 ， 5 x 5 的方形窗口进行平滑。 实验表明：中值滤波降低噪音的效果比较的明显，在灰度值变化比较小的情况下可 以得到很好的平滑处理，但在含有尖角细节较多的森林害虫图像的平滑中效果不佳；而 均值滤波更能降低图像边界部分的模糊程度。所以对于森林害虫图像更适于用3 x 3 邻域 、， 卜 ； 东北林业大学硕士学位论文 的均值滤波进行平滑处理，以得到更好的边缘信息。 图2 - 5 丽金龟平滑处理图像 图2 _ 6 花金龟平滑处理图像 2 森林害虫的图像处理 图2 - 7 鳃金龟平滑处理图像 2 3图像分割 图像经过预处理，质量已得到了明显的改善，本节应用图像分割的处理技术，对图 像进行处理，是为了区分森林害虫图像中的目标与背景。 图像分割是图像处理中重要的内容之一，它是根据图像的某些特征或特征集合的相 似性准则，对图像像素进行分组要求，把图像平面有针对性地划分出一系列有意义的区 域，同时保留有关图像结构特征的信息【3 7 】。图像分割在一般意义上是十分困难的问题， 目前的图像分割一般作为图像的前期处理阶段，是针对分割对象的技术，是与问题相关 的1 1 9 1 。本研究采用灰度阈值分割和边缘检测方法对经过预处理的图像进行分析处理。 2 3 1灰度阈值分割 图像阈值分割是一种广泛使用的图像分割技术，它利用了图像中要提取的目标物与 其背景在灰度特性下的差异，把图像视为具有不同灰度级的两类区域( 目标与背景) 的组 合，选取一个合适的阈值，以确定图像中每一个像素点应该属于目标还是背景区域，从 而产生相应的二值图像阈值分割不仅可以大量压缩数据，减少存储容量，而且能大大简 化在其后的分析和处理步骤。从复杂的景物中分辨出目标并将其形状完整地提取出来， 闽值的选取是阈值分割技术的关键。如果选取过高，则过多的目标点被误归为背景，如 果阈值选取过低，则会出现相反的情况。 2 3 1 1最小误差法最小误差法阈值设定的基本原理是，首先求图像的灰度分布， 东北林业大学硕士学位论文 然后用统计方法决定最佳阈值，p - t i l e 方法和双峰( ( 2 m o d e ) 方法属于这种。p t i i c 法是 需要预先给定对象物在一幅图像中所占面积最小误差法的比率，此方法只适合用于一 些简单图像的阈值选择。2 - m o d e 法计算比较复杂，必须用数值计算的方法才能得 到，并且效果也不理想。 2 3 1 2 最大方差自动取阈值法图像灰度直方图的形状是多交的，有双峰但无明显 低谷或者是双峰与低谷都不明显，而且两个区域的面积比难以确定的情况常常出现， 采用最大方差自动取阈值法往往能得到较为满意的结果。 图2 - 8 区间方差盯2 。与阈值t 的关系 图2 - 8 中为包含有两类区域的某个图像的灰度直方图，设t 为分离两区域的阈值。 由直方图经统计可得被t 分离后的区域1 、区域2 占整图像的面积比以及整幅图像、区 域1 、区域2 的平均灰度为： 区域1 面积比： 只一旦 ( 2 1 0 ) 衙玎 区域1 面积比： 那么： 整幅图像的平均灰度： 区域1 的平均灰度： 区域2 的平均灰度： 良。警生 。幺1n 孙纠 一。捌詈) ( 2 - 1 1 ) 佗一1 2 ) ( 2 1 3 ) 2 森林害虫的图像处理 心一百赢g - i 【f 驴n _ 厅l ) ( 2 - 1 4 ) 式中g 图像的灰度级数。 整幅图像的平均灰度与区域1 、区域2 平均灰度值之间的关系为： 一一q + 肫岛( 2 - i s ) 同一区域常常具有灰度相似特性，而不同区域之间则表现为明显的灰度差异，当阈 值t 被分离的两个区域间灰度差较大时，两个区域的平均灰度一，心与整幅图像平均灰 度之差也较大，区域间的方差是描述这种差异的有效参数，其表达式为： o - 2 b 一岛( 一一) 2 + 呸( f ) ( 肫( f ) 一p ) 2 ( 2 - 1 6 ) 式中 盯2 。图像被阈值f 分割后两个区域之间的方差 显然，不同的t 值就会得到不同的区域方差，也就是说，区域间方差、区域1 均 值、区域2 均值、区域1 面积比、区域2 面积比都是阈值f 的函数，因此上式可写成： 0 2 n 一岛o ) ( 以一p ) 2 + 岛( f ) ( 心( f ) 一p ) 2 ( 二1 7 ) 口乙一b ( f ) 岛( f ) 【一( f ) 一心( f ) r ( 二1 8 ) 枷三陛+ 矧 式中h k 灰度为七值得像素个数，共有l 个灰度级。 迭代一直进行到正。一l 结束，取结束时的霉为阈值，这种方法确定的阈值作用于 整幅图像的每个像素，因而对目标或背景的灰度有剧烈变化的图像，阈值分割效果比较 差，甚至失败 3 8 - 3 9 j 。 东j e 林业大学硕士学位论文 2 3 1 4实验分析与结果图2 - 9 、2 - 1 0 、2 - 1 1 分别是丽金龟、花金龟、鳃金龟三类昆 虫，每类四个样本图像应用双峰法进行阈值分割将平滑后的灰度图像转换成二值图 像。由图可以看出除图像内部存在几处小的孔洞外，分割效果较好。 图2 - 9 丽金龟阈值分割结果图 图2 - 1 0 花金龟阈值分割结果图 2 森林害虫的图像处理 图2 - 1 1 鳃金龟阈值分割结果图 2 3 2数学形态学方法填补空洞及消除噪声 经过阈值分割后，灰度图像成为二值图像。但这时的图像还存在一些问题，图像中 目标区域的边界往往不是平滑的，目标区域具有一些因错判而形成的孔，背景区上有一 些因错判而形成的盐点噪声。主要有两类：o ) l l l 像部分有黑洞( 2 ) 图像存在盐点噪声。 本文将采用数字形态学的方法加以处理。 数学形态学是研究区域整体形状特征的一种从几何的角度出发处理图像的方法，用 以描述图像的基本特征或基本结构，亦即图像的各个像素或各个部分之问的关系。它是 由一组形态学的代数运算子组成的。最基本的运算子有腐蚀、膨胀、开和闭。用这些运 算子及其组合可用来进行图像形状和结构的分析及处理。 2 3 2 1腐蚀和膨胀运算 ( 1 ) 图像腐蚀一个结构元素s 在一个给定的目标图像工上移动，在每一个当前 位置辜，s k1 只有三种可能的状态： s b l 包含于x ； s k i 包含于z 的补集； s b 】交于工且s m 交于x 的补集。 第一种情况说明相关最大；第二种情况说明不相关：而第三种情况说明只是部分相 关。因而满足( 1 ) 的点x 全体构成结构元素与图像的最大相关点集。我们称这个点集为对 东北林业大学硕士学位论文 的腐蚀( 简称腐蚀) ，i , 己为x o s ，如图2 - 1 2 所示。用集合的方式定义为 x o s 一仁i s 工it _ x ( 2 - 2 1 ) 盖s五哪 图2 1 2 腐蚀运算 腐蚀在数学形态学运算中的作用是消除物体边界点。如果结构元素s 取3 3 的黑点 块，腐蚀将使物体的边界沿周边减少一个像素。如果两个物体之间有细小的连通，那么 当结构元素足够大时，通过腐蚀运算可以将两个物体分开。 ( 2 ) 图像膨胀腐蚀可以看作是将图像z 中每一个与结构元素s 全等的子集s 纠 收缩为点x 。那么反之，也可以将x 中的每个点x 扩大为s k ，这就是膨胀运算，记 工o s ，见图2 - 1 3 。 x o s - 仁i s x n 工一乃 ( 2 - 2 2 ) 与之等价的定义形式为： x s - g x , l , e s ( 2 - 锄 x s - u s 工 x ) ( 2 - 柳 膨胀运算在数学形态学中的作用是把图像周围的背景点合并到物体中。如果两个物 体之间距离比较近，那么膨胀运算可能会使这两个物体连通在一起。膨胀对填补图像分 割后物体中的空洞很有用。 xsx 囝s 图2 - 1 3 膨胀运算 2 3 2 2开运算和闭运算在腐蚀和膨胀两个基本运算的基础上，我们可以构造出形 态学运算族，它由上述两个运算和集合操作并、交、补等组合而成。其中最为重要的 0 o o oo o o o o o o o o o o o o o o o o o o o o o o 0 0 o o o o o o 0 o oo o o o0 0 0 o o o o o o o o o o o o o o o o o 0 o o o o o o o o o o o o o o 0 o o o o o o o o o o 2 森林害虫的图像处理 组合运算是形态学开运算和闭运算。对图像z 及结构元素s ， 开运算，如图2 1 2 所示。用集合的方式定义为： x 。s - ( x e s ) o s o o o o o o o o o o o ooo o o o0 oo o0o o o o oo o 0 o oo o o o o o o o o o oo0 o o oo o 0 o o z o o o o o o o o o o o o 0 o o o o o o o o oo o oo o oo o oo o0 0o o o o o o o o o 0 o o o o o o o o o oo o 用zo s 表示工对s 的 s o o o d o o o o o o o o o 0 o 0 o o o o o o o o o o o o o 0 0o ooo oo oo ( 2 - 2 5 ) x e sx 0 5 图2 - 1 4 开运算 用x s 表示z 对s 的闭运算，如图2 1 5 所示。用集合的方式定义为： z s - ( x o s ) e s ( 2 - 2 0 o o o o o o o o o o o o o 0 o ooo o oo o o o o o oo o o 0 o o o o oo o o o o o o o o o 0 oo o o o 0 xs ooo ooo o oooo oooo0o oooo0oo oo o o o o o o oo 0oo ooooo z o sx s 图2 - 1 5 闭运算 因此，z 。s 可视为对腐蚀图像x o s 用膨胀来恢复。而z s 可以看作是对膨胀图 像x a s 用腐蚀来进行恢复。当然，这一恢复不是信息无损的，即它们通常不等于原始 图像x 。由开运算的定义式，我们可以推得： x 。s u s c x 】l s 卜】z ( 2 2 7 ) 因而xo s 是所有石与结构元素s 全等的子集的并集组成的。或者说对zo s 中的每 东北林业大学硕士学位论文 一个点x ，我们均可找到某个包含在x 中的结构元s 的平移s i y ，使得z s f y l ，即x 在x 的近旁具有不小于s 的几何结构。而对于工中不能被xo s 恢复的点，其近旁的几何 结构总比s 要小。这一几何描述说明x o s 是一个基于几何结构的滤波器i 删。 2 3 2 3用数学形态学法来填补空洞 图2 1 6 、2 1 7 、2 1 8 分别是丽金龟、花金龟、 鳃金龟三类昆虫，每类四个样本的阈值分割后的二值图像应用数学形态学方法来填补 图像内部空洞，针对不同的对象采取的方法也不同，如图2 1 6 、2 1 7 、2 1 8 所示。 由此可见，采用基于数字形态学的腐蚀运算、膨胀运算、开运算、关运算能有效地 填补区域内部空洞，同时又很好地保持了区域形状。 弱脊异露金龟的- f f a 曙a 像腐蚀后图像 腐蚀+ 开运算后图像 铜绿异蔫 侧斑异爵 多色异哥 开运算后图像 图2 - 1 6 数学形态学法处理的丽金龟图像 誉匆番面褥一褂 列 庸 开 脯 慨 运 誉一燮一誉一褂 誉lj番 墩 蝴褥 腐 像 像 像 田 圈 田 值 值 值 番一獬一褂i|褂 ：壅茎耋墨墼璺堡彗登 白斑跗花金龟的二值田像腐蚀后图像庸蚀+ 开运算后图像 白星花 饥星花 疃绿花 腐 庸 膏 庸蚀+ 囊蚀+ 囊蚀+ 开运 图2 - 1 7 数学形态学法处理的花金龟图像 福婆鳃金龟的= 值图像庸蚀后的图像 腐蚀+ 开运算后的图像 圈像 图像 图像 像 像 像 图2 - 1 8 数学形态学法处理的鳃金龟图像 1 9 像 像 舳 酉 胃 氯 脊一褂紫褂赫獬脊一褂一褂一獬衙褂褂獬 垒 金 龟 像 射 像 的 甜 的 番一掺纛棒一榉 订 炊 棚 蚀 鼬 番一襻一棒一榉裤一褥一榉一襻 庸 庸 街 添篝一誉一襻 东北林业大学硕士学位论文 2 3 3边缘检测 数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十 分重要的基础，也是图像识别中提取图像特征的一个重要特征，边缘检测的实质是采用 某种算法来提取出图像中对象与背景间的交界线。将边缘定义为图像中灰度发生急剧变 化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映，在灰度变化突 变处进行微分，将产生高值，因此在数学上可用灰度的导数来表示变化。最早的边缘检 测方法都是基于像素的数值导数的，在数字图像中应用差分代替导数运算。因此可以用 局部图像微分技术来获得边缘检测算子。经典的边缘检测方法，是对原始图像中像素的 某小邻域来构造边缘检测算子。以下是对几种经典的边缘检测算子进行理论分析，并对 各自的性能特点做出的比较和评价。记： v ，g ，y ) 罢f + 娑， ( 2 2 8 ) 研 0 3 , 式中 夥k y ) 图像的梯度 v ，k y ) 中包含局部灰度的变化信息。则： ， 一 t g 【，b ，_ ) ，) 】一讧，g ，_ ) ，圩+ 【，g ，y 圩乒( 2 - 2 9 ) 式中 o i k ) ，) 】梯度v ，g ，) ) 的幅度 为了简化计算，也可以将g l 厂k y ) j 定义为偏导数正，的绝对值之和： ( 打b ，_ ) ，) 】- i 丘g ，y 】+ i b ，y l ( 2 3 0 ) 在对离散图像进行的运算中，以差分运算近似代替导数运算。以这些理论为基础， 产生了许多基于梯度的边缘检测方法。常见的有：差分边缘检测、r o b e r t s 边缘检测算 子、s o b e l 边缘检测算子、p r e w i t t 边缘检测算子、l o g 边缘检测算子、c a n n y 算子等。 2 3 3 1差分边缘检测差分边缘检测方法是最原始、最基本的方法。利用像素灰度 的一阶导数算子在灰度迅速变化处得到高值来进行奇异点的检测。这种算子具有方向 性，必须使差分的方向与边缘方向垂直，这就需要对图像的不同方向都进行差分运 算，增加了实际运算的繁琐性，目前很少采用。差分边缘检测一般为垂直边缘、水平 边缘、对角线边缘检测。它的卷积模板如图2 1 7 。 0 0 0 1 | - 1 1 0 i | o o o j 垂直边缘 f0 。司 【0 0 0 j 对角线边缘 图2 - 1 9 差分算法检测边缘的方向模板 2 3 3 2 r o b e r t s 边缘检测算子r o b e r t s 边缘检测算子根据任意一对互相垂直方向上的 差分可用来计算梯度的原理，采用对角线方向相邻两像素之差近似梯度幅值检测边 o o o缘o o 边 m m m 水 ：壅茎童皇箜里堡竺矍 缆端 靛y y ：1 1 ； ， ，g ，) ，) - ，g 一1 y ) 一，g ，一) 、”。 埘：墨习a ，：b 习 2 3 3 3 s o b c l 边缘检测算子s o b e l 边缘检测算子对图像，g ，) 的每个像素，考察它 上、下、左、右邻点灰度的加差，与之接近的邻点的权大。据此，定义如下： a ，k y ) 一眇g 一1 , y + 1 ) + 2 1 ( x ，y + 1 ) + ，b