特性或化学特性来检测,虫害计数方面,由于存在粘连问题也有待进一步研究。Р当前,就小虫体的计算机视觉检测和计数而言,也存在着因虫体几何尺寸小而导致图像处理的困难。其一,在同样的成像设备和成像条件下,小虫体的成像质量一般比大虫体要差,这对小虫体图像特征提取、处理和检测都有一些新要求;其二,小虫体构成的虫群图像粘连很严重,这对自动化快速准确计数提出了新要求。因此,利用计算机图像处理技术实现小虫体的检测与计数成为研究的热点和难点。Р本文以棉花叶面蚜虫图像为研究对象,将蚜虫图像转换为HSV模型并提取H颜色分量。基于k-means聚类算法来寻求蚜虫区域初步可分布性特征,再将其转换为灰度图,利用形态学腐蚀操作及局部极大值滤波得到蚜虫目标特征区域。期待为小虫体的检测计数积累经验和方法。Р1.3本文的研究内容和技术路线Р1.3.1研究内容Р针对棉花蚜虫体型小、数量多的特点,结合到现有的硬件设备,本课题的主要研究内容如下:Р1)分析蚜虫图像颜色特征,寻找检测蚜虫的有效方法。Р提取蚜虫取食叶片的颜色特征,比较分析蚜虫区域、绿色背景和蚜叶区的RGB颜色特点。采用k-means聚类算法寻找阈值,利用阈值分割将蚜虫区域和非蚜虫区域分离开来,得到特征区域一。Р2)将原图进行灰度化,运用形态学腐蚀操作,局部极大值滤波等得到特征区域二。Р3)棉花蚜虫计数方法的研究Р将两个特征区域合并得到最终的棉蚜区域图像,结合蚜虫图像特点采用4连通区域标记法进行计数。Р1.3.2技术路线Р本文的技术路线如图1-1所示:Р开始Р读入原图像Р原图转换为灰度图Р原图转换为HSV模型Р提取H颜色分量Р通过腐蚀重建来实现平滑处理Р使用局部极大值滤波得到形态特征Р利用K-means聚类寻找阈值Р进一步腐蚀去粘黏Р利用阈值分割出蚜虫颜色特征的区域Р特征图像二Р特征图像一Р合成最终蚜虫区域图像Р对连通区域进行计数Р结束Р图1-1 技术路线
全文预览
