一種基于低秩表示算法的害蟲檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理和農(nóng)業(yè)信息化的技術(shù)領(lǐng)域，具體地設(shè)及一種基于低秩表示算 法的害蟲檢測方法。
【背景技術(shù)】
[0002] 隨著數(shù)字圖像處理的迅速發(fā)展、計算機視覺的應(yīng)用日益廣泛和低秩表示及稀疏表 示算法的日趨成熟，對農(nóng)作物蟲害圖像進行處理，可W達到智能檢測蟲害的目的。利用計算 機視覺技術(shù)對在農(nóng)田中采集的植物葉片的圖像進行處理，分析害蟲數(shù)量，則有著諸多的優(yōu) 勢，該種方法不僅在很大程度上解決了科技人員不足、人工識別難W完成大量昆蟲檢測、統(tǒng) 計的難題，而且能夠利用現(xiàn)有的識別系統(tǒng)及時的跟蹤蟲害的狀態(tài)，從而進行及時有效的防 治，降低蟲害造成的損失。同時，通過照相機采集害蟲聚集的葉片的圖像，基本不會引起害 蟲的逃逸，可W增加統(tǒng)計的準確性。
[0003] 將計算機視覺技術(shù)應(yīng)用于害蟲的檢測，很早就引起了研究人員的興趣?；趫D像 識別的機器視覺技術(shù)在作物蟲害方面的研究較早的報道是Keagy等利用機器視覺技術(shù)，通 過象鼻蟲圖像的各個部分的灰度信息識別象鼻蟲。Zayas等通過對圖像RGB信息的分析及 模式識別技術(shù)判斷谷物中的害蟲。1992年，化D.S.等人第一次使用圖像技術(shù)，通過測量統(tǒng) 計姬蜂的翅脈特征，成功區(qū)分姬蜂的5個品種。之后Watson等在2004年首次嘗試了鱗翅目 昆蟲野外活體情況下的自動鑒別，其平均成功識別率可達83%。近年來Paul Boissard等 提出在原處掃描玫瑰葉子，對得到的圖像進行自動識別。具體是結(jié)合圖像處理、學習和知識 庫技術(shù)的一個圖像識別系統(tǒng)，該個系統(tǒng)能自動檢測和計算成熟期的粉風數(shù)量，特別是被應(yīng) 用到群襲情形，對農(nóng)藝學的決策起到了輔助作用。化ariff等用數(shù)碼相機獲取了水稻田間6 種常見害蟲的圖像，開發(fā)了基于模糊邏輯的分類識別及蟲量計數(shù)算法，取得了較好的效果。 邱道尹等用從糧庫現(xiàn)場實驗采集的糧蟲圖像對其進行分割，并對處理后的二值圖像提取面 積、周長、復(fù)雜度作為糧蟲對象的圖像特征，應(yīng)用模糊決策算法進行糧蟲對象的分類。但是 該些方法的檢測過程都比較繁瑣，從而帶來的誤差比較大，準確性受到影響。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的技術(shù)解決問題是；克服現(xiàn)有技術(shù)的不足，提供一種基于低秩表示算法的 害蟲檢測方法，其檢測過程簡便、從而誤差較小、準確性大大提高。
[0005] 本發(fā)明的技術(shù)解決方案是；該種基于低秩表示算法的害蟲檢測方法，利用自然圖 像的低秩特性和農(nóng)作物蟲害圖像的顏色信息，建立一個通用模型，通過低秩表示算法將原 始圖像分解為低秩圖像和包含害蟲的噪聲部分。
[0006] 本發(fā)明利用自然圖像的低秩特性和農(nóng)作物蟲害圖像的顏色信息，通過低秩表示算 法將原始圖像分解為低秩圖像和包含害蟲的噪聲部分，很好地解決原始低秩表示模型中遇 到的問題，所W檢測過程簡便、從而誤差較小、準確性大大提高。
【附圖說明】
[0007] 圖1是根據(jù)本發(fā)明的基于低秩表示算法的害蟲檢測方法的一個優(yōu)選實施例的流 程圖。
【具體實施方式】
[000引該種基于低秩表示算法的害蟲檢測方法，利用自然圖像的低秩特性和農(nóng)作物蟲害 圖像的顏色信息，建立一個通用模型，通過低秩表示算法將原始圖像分解為低秩圖像和包 含害蟲的噪聲部分。
[0009] 本發(fā)明利用自然圖像的低秩特性和農(nóng)作物蟲害圖像的顏色信息，通過低秩表示算 法將原始圖像分解為低秩圖像和包含害蟲的噪聲部分，很好地解決原始低秩表示模型中遇 到的問題，所W檢測過程簡便、從而誤差較小、準確性大大提高。
[0010] 優(yōu)選地，該方法包括W下步驟：
[0011] (1)獲取原始圖像；
[0012] (2)通過中值濾波去噪；
[0013] (3)利用分水嶺算法提取植物葉片；
[0014] (4)遍歷處理后的圖像，獲得圖像中植物葉片的顏色信息
[0015] (5)通過低秩表示算法將原始圖像分解為低秩圖像和包含害蟲的噪聲
[0016] 部分，從而提取包含害蟲的噪聲部分。
[0017] 優(yōu)選地，該方法還包括步驟（7)對包含害蟲的噪聲部分進行害蟲數(shù)量的計數(shù)。
[0018] 優(yōu)選地，所述低秩表示算法包括公式（4)-巧）；
【主權(quán)項】
1. 一種基于低秩表示算法的害蟲檢測方法，其特征在于，利用自然圖像的低秩特性和 農(nóng)作物蟲害圖像的顏色信息，建立一個通用模型，通過低秩表示算法將原始圖像分解為低 秩圖像和包含害蟲的噪聲部分。
2. 根據(jù)權(quán)利要求1所述的基于低秩表示算法的害蟲檢測方法，其特征在于，包括以下 步驟： (1) 獲取原始圖像； (2) 通過中值濾波去噪； (3) 利用分水嶺算法提取植物葉片； (4) 遍歷處理后的圖像，獲得圖像中葉片的顏色信息； (5) 通過低秩表示算法將原始圖像分解為低秩圖像和包含害蟲的噪聲部分，從而提取 包含害蟲的噪聲部分。
3. 根據(jù)權(quán)利要求2所述的基于低秩表示算法的害蟲檢測方法，其特征在于，還包括步 驟（7)對包含害蟲的噪聲部分進行害蟲數(shù)量的計數(shù)。
4. 根據(jù)權(quán)利要求1-3任一項所述的基于低秩表示算法的害蟲檢測方法，其特征在于， 所述低秩表示算法包括公式（4)_ (9):
其中Q為根據(jù)先驗知識求得的葉片RGB中各個顏色分量經(jīng)過加權(quán)的平均值，X=DZ+E表示原始圖像可以分解成DZ和E兩部分，其中DZ表示圖像的低秩部分，D為字典，Z為因 子，E表示圖像的噪聲部分，通過迭代求解Z，W，E，使總誤差向減小的方向變化，每次迭代求 解出Z，W，E之后，更新t，Y2，當最終誤差小于e時迭代結(jié)束，e是設(shè)定的迭代停止條件， 入，13，y，為權(quán)重，D=X。
【專利摘要】本發(fā)明公開了一種基于低秩表示算法的害蟲檢測方法，其檢測過程簡便、從而誤差較小、準確性大大提高。這種基于低秩表示算法的害蟲檢測方法，利用自然圖像的低秩特性和農(nóng)作物蟲害圖像的顏色信息，建立一個通用模型，通過低秩表示算法將原始圖像分解為低秩圖像和包含害蟲的噪聲部分。
【IPC分類】G06T7-00
【公開號】CN104616283
【申請?zhí)枴緾N201410718727
【發(fā)明人】尹寶才, 田岳, 張勇, 蔡夢佳, 胡永利
【申請人】北京工業(yè)大學
【公開日】2015年5月13日
【申請日】2014年12月1日