论文部分内容阅读
获得落叶松球蚜种群密度对于落叶松林业保护有重要意义。为了减轻人工获得落叶松球蚜种群密度的劳动强度,提高数据的准确率,本文采用基于颜色直方图筛选后,将筛选结果通过几何图形双重确认的方法来辨别区域中虫卵的范围,降低在识别落叶松球蚜种群数量过程中的难度,提高的准确度,更好地服务生产实际问题。
落叶松球蚜属于多态型昆虫,包括多种不同形态的虫型,主要可分为干母、瘿蚜、伪干母及有性蚜等。现有的落叶松林业保护和调查工作中,存在对落叶松球蚜受害程度人工统计困难、误差较大等诸多问题。本文根据落叶松球蚜不同时期的不同形态特点,对虫型的各种角度进行图像采集,利用图像处理技术提高落叶松球蚜种群密度调查的精度和效率。
1 特征提取
通过样本的采集,确定颜色特征与形状特征用来作为判断图像中落叶松球蚜虫卵和成虫的主要特征依据。
首先构建一个1-D的離散函数,即:
H(k)=nk/n,k=0,1,…,L-1 (1)
其中k表示图像的特征取值,L表示特征的可取值个数,nk为图像中具有特征值k的像素的个数,N表示图像中总像素数。
设HQ(k)和HD(k)分别为两幅图像某一特征的统计直方图,则两图像之间的匹配值P(Q,D)可借助直方图相交来实现,即:
P(Q,D)=■ (2)
基于颜色直方图的检索丢失了图像中像素点的位置特征,可能会产生多张不同的图像具备相同的颜色直方图的情况。因此可能会产生将背景色中与虫卵或成虫颜色相近的颜色误识别。将检测结果加入几何特征提取将会大大降低这种错误。由于虫卵或虫瘿等多为近似圆形状态,因此可以将结果进行类圆形检测从图像中提取出来的边缘信息加以拟合,并对组合之后得到的多边形进行归一化处理判别等处理 。
图像二值化处理采用最常见的阈值法对图像进行分割。经过图像分割和边缘提取后,可以得到一组有序的,用来描述物体边缘的一组点的集合。需要将这些描述边界的点拟合成为多边形,以便于判断多边形是否与圆形近似。拟合的过程为:将边缘点集中的第一点S(xs,ys)和最后一点E(xe,ye)作为一条线段的两个端点,任取点集中其他任意一点K(xk,yk),计算K到线段的距离dK。
dk=|xk(ys-ye) yk(xe-xs) yexs-ysxe|/■2,k=2,3,…,n-1 (3)
其中,n为边缘点个数。
当dk小于既定的阈值dth,则将该线段定义为多边形的一条边;当dmax=max(dk)不小于阈值dth,则令(xe,ye)←(xmax,ymax),继续计算dmax,直到dmax 当将全部的孤立点归一化处理后,采用周长,平均极距离和面积作为判定特征进行圆形判别。周长表示为:
L=■li=■■i=1,2,...M (4)
其中,li为特征点v’i与特征点v’i 1之间的欧氏距离。
平均极距离表示为:
d=1/M■di= 1/M■■ (5)
其中,di为特征点v’i与多边形中心位置C间的欧式距离。
面积表示为:
A=■S△i=■■ i=1,2,...,M (6)
其中,s=(di di 1 li)/2,S△i,为由特征点v’i与特征点v’i 1和多边形中心C’所构成的三角形面积。
由此进一步得到周长比C1、距离比C2和面积比C3
C1=L/2πr, C2=d/r,C3=A/πr2 (7)
设定三个门限阈值T1,T2,T3,当且仅当T1 2 对比分析
我们采用直方图相交法将采集来的现场图片转换成为的颜色直方图与基准库中的数据进行比较,根据其颜色直方图的相似程度得到该采集点所处位置的树种遭受落叶松球蚜虫害的程度。
假设M,N是两个含有K个BIN的直方图,它们的分量分别为M(i),N(i),其中,i=1,2,...K,则两个直方图的相交距离为:
D(M,N)=■min(M(i),N(i)) (8)
将通过颜色特性对比后得到的结果,结合几何特性对比结果,可以得到某一点当前收到落叶松球蚜侵害情况,将此结果连同时间戳和地理位置信息一同记录入数据库中作为基础分析数据。
3 结果及分析
试验中令dth=2,T1=0.7,T2=0.7,T3=0.7。由实验可知,在叶片上的若干簇类似圆形的虫卵均被系统所识别;而背景图案中,与虫卵类似颜色但颜色不符合类似圆形几何特征的图形均被系统所丢弃。实验结果基本满足设定需求。
(作者单位:130118 吉林农业大学)
落叶松球蚜属于多态型昆虫,包括多种不同形态的虫型,主要可分为干母、瘿蚜、伪干母及有性蚜等。现有的落叶松林业保护和调查工作中,存在对落叶松球蚜受害程度人工统计困难、误差较大等诸多问题。本文根据落叶松球蚜不同时期的不同形态特点,对虫型的各种角度进行图像采集,利用图像处理技术提高落叶松球蚜种群密度调查的精度和效率。
1 特征提取
通过样本的采集,确定颜色特征与形状特征用来作为判断图像中落叶松球蚜虫卵和成虫的主要特征依据。
首先构建一个1-D的離散函数,即:
H(k)=nk/n,k=0,1,…,L-1 (1)
其中k表示图像的特征取值,L表示特征的可取值个数,nk为图像中具有特征值k的像素的个数,N表示图像中总像素数。
设HQ(k)和HD(k)分别为两幅图像某一特征的统计直方图,则两图像之间的匹配值P(Q,D)可借助直方图相交来实现,即:
P(Q,D)=■ (2)
基于颜色直方图的检索丢失了图像中像素点的位置特征,可能会产生多张不同的图像具备相同的颜色直方图的情况。因此可能会产生将背景色中与虫卵或成虫颜色相近的颜色误识别。将检测结果加入几何特征提取将会大大降低这种错误。由于虫卵或虫瘿等多为近似圆形状态,因此可以将结果进行类圆形检测从图像中提取出来的边缘信息加以拟合,并对组合之后得到的多边形进行归一化处理判别等处理 。
图像二值化处理采用最常见的阈值法对图像进行分割。经过图像分割和边缘提取后,可以得到一组有序的,用来描述物体边缘的一组点的集合。需要将这些描述边界的点拟合成为多边形,以便于判断多边形是否与圆形近似。拟合的过程为:将边缘点集中的第一点S(xs,ys)和最后一点E(xe,ye)作为一条线段的两个端点,任取点集中其他任意一点K(xk,yk),计算K到线段的距离dK。
dk=|xk(ys-ye) yk(xe-xs) yexs-ysxe|/■2,k=2,3,…,n-1 (3)
其中,n为边缘点个数。
当dk小于既定的阈值dth,则将该线段定义为多边形的一条边;当dmax=max(dk)不小于阈值dth,则令(xe,ye)←(xmax,ymax),继续计算dmax,直到dmax
L=■li=■■i=1,2,...M (4)
其中,li为特征点v’i与特征点v’i 1之间的欧氏距离。
平均极距离表示为:
d=1/M■di= 1/M■■ (5)
其中,di为特征点v’i与多边形中心位置C间的欧式距离。
面积表示为:
A=■S△i=■■ i=1,2,...,M (6)
其中,s=(di di 1 li)/2,S△i,为由特征点v’i与特征点v’i 1和多边形中心C’所构成的三角形面积。
由此进一步得到周长比C1、距离比C2和面积比C3
C1=L/2πr, C2=d/r,C3=A/πr2 (7)
设定三个门限阈值T1,T2,T3,当且仅当T1
我们采用直方图相交法将采集来的现场图片转换成为的颜色直方图与基准库中的数据进行比较,根据其颜色直方图的相似程度得到该采集点所处位置的树种遭受落叶松球蚜虫害的程度。
假设M,N是两个含有K个BIN的直方图,它们的分量分别为M(i),N(i),其中,i=1,2,...K,则两个直方图的相交距离为:
D(M,N)=■min(M(i),N(i)) (8)
将通过颜色特性对比后得到的结果,结合几何特性对比结果,可以得到某一点当前收到落叶松球蚜侵害情况,将此结果连同时间戳和地理位置信息一同记录入数据库中作为基础分析数据。
3 结果及分析
试验中令dth=2,T1=0.7,T2=0.7,T3=0.7。由实验可知,在叶片上的若干簇类似圆形的虫卵均被系统所识别;而背景图案中,与虫卵类似颜色但颜色不符合类似圆形几何特征的图形均被系统所丢弃。实验结果基本满足设定需求。
(作者单位:130118 吉林农业大学)