專利名稱：基于dct和區(qū)域生長的白粉虱圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及病蟲害圖像自動化識別領(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)對作物病蟲害圖像進(jìn)行處理、分割、識別，從而實(shí)現(xiàn)病蟲害自動化識別成為可能，因此，機(jī)器視覺技術(shù)作為一種重要的病蟲害自動化識別手段已經(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)器視覺自動獲取害蟲信息，不僅可降低勞動強(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，對所獲得的灰度圖像y進(jìn)行中值濾波去噪得到y(tǒng)l ;S2、將yl用8*8模板做離散余弦變換得到dctl，截斷dctl的高頻信號，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、在原始的白粉風(fēng)圖像中標(biāo)記清晰區(qū)域并建立灰度值高斯模型,對標(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binaryl ;S6、計算binaryl中清晰區(qū)域的期望灰度值U和方差O ;S7、從binaryl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U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中截斷高頻信號的方法是:計算8*8模板在原始的白粉虱圖像中對應(yīng)的像素灰度值之和，記為gray，將截斷高頻信號的閾值設(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中計算閾值的方法是:將灰度圖像gray_diff模糊化，計算圖像的模糊熵，通過設(shè)定模糊熵最大時的參數(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:
權(quán)利要求
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: 51、將白粉虱圖像轉(zhuǎn)換到灰度空間，對所獲得的灰度圖像y進(jìn)行中值濾波去噪得到y(tǒng)l； 52、將yl用8*8模板做離散余弦變換得到dctl，截斷dctl的高頻信號，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12 ； 53、令差值圖像diffy=|y_y2| ； 54、將diffy歸一化后投影到灰度空間得到灰度圖像gray_diff,計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 ； 55、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binary I ； 56、計算binaryl中清晰區(qū)域的期望灰度值U和方差o; 57、從binaryl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U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)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S2中截斷高頻信號的方法是:計算8*8模板在原始的白粉虱圖像中對應(yīng)的像素灰度值之和，記為gray，將截斷高頻信號的閾值設(shè)置為gray/2。
3.根據(jù)權(quán)利要求1所述 的方法，其特征在于，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。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S4中計算閾值的方法是:將灰度圖像gray_diff模糊化，計算圖像的模糊熵，通過設(shè)定模糊熵最大時的參數(shù)選擇得到最優(yōu)閾值。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，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。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S6中，清晰區(qū)域的期望灰度值:
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S7中，用深度優(yōu)先的方法進(jìn)行區(qū)域生長。
全文摘要
本發(fā)明公開了一種基于DCT和區(qū)域生長的白粉虱圖像分割方法，其基于DCT和區(qū)域生長的白粉虱圖像分割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)。
文檔編號G06T7/00GK103236061SQ20131015671
公開日2013年8月7日 申請日期2013年4月28日 優(yōu)先權(quán)日2013年4月28日
發(fā)明者張水發(fā), 王開義, 劉忠強(qiáng), 潘守慧, 王志彬 申請人:北京農(nóng)業(yè)信息技術(shù)研究中心