專(zhuān)利名稱(chēng)：基于顏色和模糊聚類(lèi)算法的農(nóng)田害蟲(chóng)識(shí)別方法
基于顏色和模糊聚類(lèi)算法的農(nóng)田害蟲(chóng)識(shí)別方法技術(shù)領(lǐng)域
本發(fā)明屬于農(nóng)業(yè)和圖像處理技術(shù)領(lǐng)域，是一種對(duì)農(nóng)田害蟲(chóng)的基于顏色和形狀特征 并結(jié)合模糊聚類(lèi)算法和RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別的方法。
背景技術(shù)：
我國(guó)是一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)業(yè)蟲(chóng)害也不時(shí)發(fā)生，因此農(nóng)田害蟲(chóng)的監(jiān)測(cè)、蟲(chóng)情災(zāi)害的統(tǒng) 計(jì)預(yù)報(bào)工作十分重要。若監(jiān)測(cè)預(yù)報(bào)準(zhǔn)確及時(shí)，就可及早動(dòng)手消滅害蟲(chóng)，減少農(nóng)藥用量。目 前，廣泛應(yīng)用的是黑光燈誘捕和人工識(shí)別的方法來(lái)統(tǒng)計(jì)害蟲(chóng)的種類(lèi)及密度，該方法勞動(dòng)強(qiáng) 度大，效率低，同時(shí)主觀(guān)因素較大，影響了測(cè)報(bào)的準(zhǔn)確性和時(shí)效性。因此，農(nóng)田害蟲(chóng)的實(shí)時(shí)、 準(zhǔn)確的識(shí)別，是現(xiàn)代農(nóng)業(yè)作物保護(hù)的一種必然應(yīng)用趨勢(shì)，也是當(dāng)今數(shù)字農(nóng)業(yè)需要研究和解 決的問(wèn)題。
農(nóng)田中的害蟲(chóng)種類(lèi)多，數(shù)量大，很多害蟲(chóng)通過(guò)肉眼也不容易分辨，我國(guó)農(nóng)作物常 見(jiàn)的有以下種類(lèi)的病蟲(chóng)害稻縱卷葉螟、稻飛虱、豆天蛾、棉鈴蟲(chóng)、甜菜葉蛾、玉米螟等，本發(fā) 明利用計(jì)算機(jī)視覺(jué)、圖像處理及模式識(shí)別技術(shù)，實(shí)現(xiàn)對(duì)農(nóng)田中常見(jiàn)的這6種害蟲(chóng)的種類(lèi)的 自動(dòng)識(shí)別，是農(nóng)業(yè)領(lǐng)域的新技術(shù)。
在利用計(jì)算機(jī)技術(shù)對(duì)農(nóng)田害蟲(chóng)進(jìn)行識(shí)別的過(guò)程中，特征提取是重要的環(huán)節(jié)之一， 以往的做法常常是利用害蟲(chóng)的灰度圖像來(lái)進(jìn)行識(shí)別，而顏色信息是識(shí)別不同害蟲(chóng)種類(lèi)的一 個(gè)重要的特征，同時(shí)它對(duì)圖像本身的方向以及視角的依賴(lài)性較小，因而具有較高的魯棒性， 增加害蟲(chóng)的顏色參數(shù)后，可大大提高害蟲(chóng)的識(shí)別準(zhǔn)確率。同時(shí)本發(fā)明結(jié)合模糊聚類(lèi)算法和 RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，最后能很好地完成對(duì)農(nóng)田害蟲(chóng)的識(shí)別，平均準(zhǔn)確率達(dá)到95. 1%。發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出了基于顏色和模糊聚類(lèi)算法的農(nóng)田害蟲(chóng)識(shí)別方 法。原始的農(nóng)田害蟲(chóng)圖像格式是RGB格式，它受光線(xiàn)影響較大，隨光照條件的變化，R、G、B 三個(gè)分量都會(huì)有較大變化，直接利用這些分量往往不能得到所需的效果，而HSI空間，它更 能接近人對(duì)彩色世界的觀(guān)察方式，它通過(guò)色調(diào)H、飽和度S、亮度I三個(gè)屬性來(lái)表示顏色，在 HSI空間中，H、S、I三分量之間的相關(guān)性比R、G、B三分量之間要小很多，使得圖像處理更少 受光照條件的影響。因此基于HSI空間能取得比RGB空間更好的效果。
本方法首先將獲取的農(nóng)田害蟲(chóng)原始的RGB圖像彩色圖像轉(zhuǎn)化為HSI顏色空間，并 對(duì)飽和度S進(jìn)行基于期望值的增強(qiáng)調(diào)整計(jì)算；完成對(duì)害蟲(chóng)的色調(diào)均值等顏色特征參數(shù)提 取。
而另一方面，害蟲(chóng)的外形形狀也是一個(gè)重要的特征，不同的農(nóng)田害蟲(chóng)在形狀上存 在一定的差異。本發(fā)明采用自適應(yīng)二值化的方法對(duì)害蟲(chóng)圖像進(jìn)行處理，并運(yùn)用數(shù)字形態(tài)學(xué) 處理法進(jìn)行了修正，將害蟲(chóng)從背景中分割出來(lái)，提取面積、周長(zhǎng)等形狀特征參數(shù)，最后對(duì)各 項(xiàng)參數(shù)進(jìn)行模糊聚類(lèi)算法，并結(jié)合徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，完成常見(jiàn)的6種農(nóng)田害蟲(chóng)的識(shí)別。
本發(fā)明的基于顏色和模糊聚類(lèi)算法的農(nóng)田害蟲(chóng)識(shí)別方法，其特征是包含以下具體步驟
(I)通過(guò)田間捕捉裝置，獲取農(nóng)田害蟲(chóng)的原始圖像；
(2)將原始圖像從RGB顏色空間轉(zhuǎn)換到HSI顏色空間，并選取H和S參數(shù)作為害蟲(chóng)圖像的特征；
(3)對(duì)圖像進(jìn)行飽和度增強(qiáng)計(jì)算，然后計(jì)算并提取害蟲(chóng)的顏色特征參數(shù)；
(4)將農(nóng)田害蟲(chóng)原始圖像從RGB格式轉(zhuǎn)化為灰度格式，并進(jìn)行自適應(yīng)二值化處理；
(5)農(nóng)田害蟲(chóng)圖像再經(jīng)形態(tài)學(xué)處理后，完成圖像分割，并提取害蟲(chóng)形狀特征參數(shù)；
(6)對(duì)提取的害蟲(chóng)顏色特征參數(shù)及形狀特征參數(shù)進(jìn)行模糊聚類(lèi)算法處理，并結(jié)合 RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；
(7)完成農(nóng)田害蟲(chóng)的識(shí)別并計(jì)數(shù)。
通過(guò)深入研究農(nóng)田害蟲(chóng)的體形、色彩及其形態(tài)學(xué)特征，本發(fā)明針對(duì)農(nóng)田害蟲(chóng)的彩色圖像，提取了彩色圖像的色調(diào)均值、飽和度均值、色調(diào)最大差值、飽和度最大差值4個(gè)顏色特征參數(shù)。
在對(duì)圖像進(jìn)行飽和度增強(qiáng)計(jì)算中，是對(duì)飽和度S進(jìn)行基于期望值的圖像增強(qiáng)調(diào)整，先算出圖像中每個(gè)像素點(diǎn)飽和度數(shù)值及其在圖像中出現(xiàn)的概率，求出其數(shù)學(xué)期望E (X)， E(X) = ^iXiPl ，許以此調(diào)整圖像的飽和度，調(diào)整公式定義為
,S:; = /:V) + (1-/:·⑷ KV 廣
Si是原來(lái)的飽和度分量，Si'是調(diào)整后飽和度分量，α為拉伸因子，決定飽和度分量的飽和程度，Xi為圖像中飽和度的值，Pi為該飽和度值對(duì)應(yīng)出現(xiàn)的概率，R為圖像的像素點(diǎn)總數(shù)。
另一方面，對(duì)農(nóng)田害蟲(chóng)圖像進(jìn)行自適應(yīng)二值化處理，并提取了害蟲(chóng)圖像的面積、周長(zhǎng)、長(zhǎng)寬比、復(fù)雜度共4個(gè)形狀特征參數(shù)。
其中
(a)復(fù)雜度是描述農(nóng)田害蟲(chóng)形狀復(fù)雜性的一種度量，具體計(jì)算公式為
C=L2/4 31 A
式中L、A、C分別是農(nóng)田害蟲(chóng)的周長(zhǎng)、面積、復(fù)雜度。
(b)長(zhǎng)寬比K=L' /Ψ
K是指圖像的最小外接矩形的長(zhǎng)和寬的比值，長(zhǎng)L'為害蟲(chóng)目標(biāo)邊界上最遠(yuǎn)兩點(diǎn)之間的距離，寬r為邊界上垂直于長(zhǎng)軸的最遠(yuǎn)兩點(diǎn)之間的距離。
本發(fā)明對(duì)害蟲(chóng)形狀特征參數(shù)的提取中，由于農(nóng)田害蟲(chóng)的有的有豐富的表紋，采用一個(gè)固定的閾值進(jìn)行二值化，會(huì)使圖像的邊緣鋸齒化，并在對(duì)比度變化較大的地方出現(xiàn)斷裂，因此動(dòng)態(tài)調(diào)整二值化閾值去適應(yīng)對(duì)比度的變化，可以最大限度地使農(nóng)田害蟲(chóng)圖像的二值化效果達(dá)到最佳狀態(tài)。
本發(fā)明采用動(dòng)態(tài)自適應(yīng)二值化處理，對(duì)圖像進(jìn)行分區(qū)域二值化處理，先計(jì)算各像素點(diǎn)的m' Xm'鄰域內(nèi)灰度平均值G'
= ΛΣ^/+ /= ^ + km J— Λ k~ A
然后，求出該鄰域內(nèi)像素點(diǎn)灰度的標(biāo)準(zhǔn)差σ及自適應(yīng)二值化閾值T
權(quán)利要求
1.一種基于顏色和模糊聚類(lèi)算法的農(nóng)田害蟲(chóng)識(shí)別方法，其特征是包含以下具體步驟 (1)通過(guò)田間捕捉裝置，獲取農(nóng)田害蟲(chóng)的原始圖像； (2)將原始圖像從RGB顏色空間轉(zhuǎn)換到HSI顏色空間，并選取H和S參數(shù)作為害蟲(chóng)圖像的特征； (3)對(duì)圖像進(jìn)行飽和度增強(qiáng)計(jì)算，然后計(jì)算并提取害蟲(chóng)的顏色特征參數(shù)； (4 )將農(nóng)田害蟲(chóng)原始圖像從RGB格式轉(zhuǎn)化為灰度格式，并進(jìn)行自適應(yīng)二值化處理； (5)農(nóng)田害蟲(chóng)圖像再經(jīng)形態(tài)學(xué)處理后，完成圖像分割，并提取害蟲(chóng)形狀特征參數(shù)； (6)對(duì)提取的害蟲(chóng)顏色特征參數(shù)和形狀特征參數(shù)進(jìn)行模糊聚類(lèi)算法處理，并結(jié)合RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和識(shí)別； (7)完成農(nóng)田害蟲(chóng)的識(shí)別并計(jì)數(shù)。
2.根據(jù)權(quán)利要求1所述的基于顏色和模糊聚類(lèi)算法的農(nóng)田害蟲(chóng)識(shí)別方法，其特征是在步驟(3)對(duì)圖像進(jìn)行飽和度增強(qiáng)計(jì)算中，是對(duì)飽和度S進(jìn)行基于期望值的圖像增強(qiáng)調(diào)整，先算出圖像中每個(gè)像素點(diǎn)飽和度數(shù)值及其在圖像中出現(xiàn)的概率，求出其數(shù)學(xué)期望E (X)，
3.根據(jù)權(quán)利要求1所述的基于顏色和模糊聚類(lèi)算法的農(nóng)田害蟲(chóng)識(shí)別方法，其特征是在步驟(3)提取害蟲(chóng)的顏色特征參數(shù)中，共提取了色調(diào)均值、飽和度均值、色調(diào)最大差值、飽和度最大差值4個(gè)顏色特征參數(shù)。
4.根據(jù)權(quán)利要求1所述的基于顏色和模糊聚類(lèi)算法的農(nóng)田害蟲(chóng)識(shí)別方法，其特征是在步驟(5)提取害蟲(chóng)形狀特征參數(shù)中，提取了面積、周長(zhǎng)、長(zhǎng)寬比和復(fù)雜度4個(gè)形狀特征參數(shù)。
5.根據(jù)權(quán)利要求1所述的基于顏色和模糊聚類(lèi)算法的農(nóng)田害蟲(chóng)識(shí)別方法，其特征是在步驟(6)的模糊聚類(lèi)算法處理中，考慮不同的特征參數(shù)對(duì)聚類(lèi)的作用不同，取各個(gè)特征參數(shù)的權(quán)向量為 W= (w1； W2,......，wm) 并引入加權(quán)廣義歐式權(quán)距離，描述聚類(lèi)樣本b與種類(lèi)h間的差異定義如下
全文摘要
本發(fā)明涉及農(nóng)業(yè)和圖像處理技術(shù)領(lǐng)域，公開(kāi)一種基于顏色和模糊聚類(lèi)算法的農(nóng)田害蟲(chóng)識(shí)別方法,本發(fā)明首先將獲取的農(nóng)田害蟲(chóng)原始圖像一方面由彩色的RGB圖像轉(zhuǎn)化為HSI顏色空間，然后圖像進(jìn)行飽和度增強(qiáng)計(jì)算，并提取害蟲(chóng)的顏色特征參數(shù)；而另一方面將農(nóng)田害蟲(chóng)的彩色的RGB圖像轉(zhuǎn)為灰度圖像，并進(jìn)行自適應(yīng)二值化處理，得到二值化圖像，并提取面積、周長(zhǎng)等形狀特征參數(shù)；最后對(duì)各項(xiàng)參數(shù)進(jìn)行模糊聚類(lèi)算法，并結(jié)合徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，完成常見(jiàn)的6種農(nóng)田害蟲(chóng)的識(shí)別。本發(fā)明結(jié)合了農(nóng)田害蟲(chóng)的顏色特征參數(shù)和模糊聚類(lèi)算法，大大的提高了害蟲(chóng)的識(shí)別正確率，經(jīng)實(shí)驗(yàn)驗(yàn)證，識(shí)別正確率達(dá)到95.1%。
文檔編號(hào)G06K9/62GK103034872SQ201210578380
公開(kāi)日2013年4月10日 申請(qǐng)日期2012年12月26日 優(yōu)先權(quán)日2012年12月26日
發(fā)明者汪建 申請(qǐng)人:四川農(nóng)業(yè)大學(xué), 汪建