基于K-means聚类的柑橘红蜘蛛图像目标识别.pdfVIP

第28 卷 第23 期 农 业 工 程 学 报 Vol.28 No.23 2012 年 12 月 Transactions of the Chinese Society of Agricultural Engineering Dec. 2012 147 基于K-means 聚类的柑橘红蜘蛛图像目标识别 1,2,3 1,2,3※ 1,2,3 1,2,3 李 震 ，洪添胜 ，曾祥业 ，郑健宝 （1.南方农业机械与装备关键技术教育部重点实验室，广州510642； 2.国家柑橘产业技术体系机械研究室，广州510642；3.华南农业大学工程学院，广州510642 ） 摘 要：为快速检测红蜘蛛虫害，该研究采用基于Lab 颜色模型中a （红/绿）、b （黄/蓝）层信息的K-means 聚类 法识别彩色图像中的红蜘蛛。试验选取 8 幅具有不同清晰度的柑橘红蜘蛛图像，采用基于 Sobel 边缘检测算子的 评价函数计算图像清晰度评价值以评价图像清晰度，对比采用灰度法和包含2 、3、4 或5 个聚类中心的K-means 聚类法的目标识别效果和识别效率。结果表明，灰度法对8 幅图像中红蜘蛛目标识别率平均值为29%，误判率平 均值为201%，无法应用于复杂背景图像中的红蜘蛛目标识别。包含 5 个聚类中心的K-means 聚类法对清晰度较 高的图像识别率为100%，误判率为0，对清晰度较低的图像识别率为88%，误判率为0 ；当图像尺寸较小时，包 含4 个聚类中心的K-means 聚类法识别效率与灰度法相当；当图像尺寸较大时，重复计算聚类中心导致识别耗时 较长；基于Lab 颜色空间的识别算法无法有效识别其他颜色的红蜘蛛，继续研究的方向为引入红蜘蛛形态信息以 提高识别准确率和优化聚类中心的选取以降低识别耗时。 关键词：聚类算法，识别，图像处理，K-means 聚类，目标识别，柑橘，红蜘蛛，机器视觉 doi ：10.3969/j.issn.1002-6819.2012.23.020 中图分类号：TP79 ；S666 文献标志码：A 文章编号：1002-6819(2012)-23-0 147-07 李 震，洪添胜，曾祥业，等. 基于K-means 聚类的柑橘红蜘蛛图像目标识别[J]. 农业工程学报，2012，28(23)： 147－153. Li Zhen, Hong Tiansheng, Zeng Xiangye, et al. Citrus red mite image target identification based on K-means clustering[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 20 12, 28(23): 147－153. (in Chinese with English abstract) 农作物样本进行人工辨别、分类和计算，工作量大、 0 引 言 漏检率高、效率低下。为克服传统方法的不足，人 近年来，红蜘蛛对果园的危害逐渐严重，它分 们研究了声特征检测法、雷达观测法、图像识别法 布广、繁殖快、寄主植物广泛，大量发生时可导致 [3-6] 以及光谱法等多种虫害检测和监测新方法 。其 [1] 树叶变色脱落及果实畸变早落，造成果树减产 。