基于小波变换储粮害虫图像分割.docVIP

基于小波变换储粮害虫图像分割 　　摘要：针对粮虫图像的特殊性，提出了先利用小波变换对图像进行边缘检测后再进行区域填充的图像分割策略。结果表明，这种策略在粮虫图像分割中有较好的效果。 　　关键词：储粮害虫；图像分割；小波变换；区域填充 　　中图分类号：TP391.4 文献标识码：A 文章编号：0439-8114（2015）12-3015-03 　　DOI：10.14088/j.cnki.issn0439-8114.2015.12.056 　　Image Segmentation of Stored Grain Pests Based on Wavelet Transform 　　ZHANG Shuang-de 　　（Department of Electrical and Information Engineering，Wuhan Polytechnic University，Wuhan 430023，China） 　　Abstract： Aiming at the particularity of grain insect images， image edge detection for image segmentation strategy of area filling by using the wavelet transform was proposed. The results showed that this strategy has good effect in the grain insect image segmentation. 　　Key words： stored grain pest； image segmentation； wavelet transform； region filling 　　我国是最大的粮食生产国家，也是保存粮食、消费粮食最大的国家。保证充足的储粮量对于国家安全非常重要，做好粮食保存具有重要意义，应引起相关部门的高度重视。近几年，不论是储粮害虫的种类还是密度，都呈现出不断上升的趋势，害虫数量不断增加，对储粮造成严重损坏，导致储存粮食的损失在短时间内急剧增大，必须及时采用行之有效的措施解决这一问题。为达到防治害虫的目的，必须正确预测害虫的发展趋势、数目、物种发展及其潜在危害。除此之外，针对可能出现的各种情况，采取针对性措施，制定相应策略进行评估，将储粮损失降到最低。若继续沿用以往的检测方式，存在很多不足之处，我国已有的粮情检测系统无法检测食物中的害虫，采用国外昆虫声音探测技术虽然能够检测害虫，但无法预估害虫总数，仍达不到防治害虫的目的。 　　储粮害虫的在线检测要求对获得的图像进行分割，以便特征提取和识别。图像分割方法很多[1]，从分割所依据的手段出发，可以分为阈值法[2]、边缘检测法[3]、区域法等；按照算法本身来分，可以分为模板匹配、跟踪法、纹理匹配法、聚类法等。另外人的视觉系统对图像相当有效，但其原理和模型到目前还没有搞清楚。其中基于边缘检测算法的关键是要通过某种算法精确地找到区域的边缘，然后再用区域填充算法最后得到分割结果。这种分割算法的关键是边缘检测算法的准确度，而经典的边缘检测算子如Roberts、Sobel、Prewitt、Kirsch、Canny、Log等[4]在实际应用中常常不能满足要求。 　　1 粮虫图像的小波变换边缘检测 　　1.1 小波变换的基本原理 　　由于粮虫图像一般用二维平面图像表示，因此用二维连续小波变换来分析是比较合适的，设图像信号是一个二维函数，则它的连续小波变换为[5，6]： 　　Wf=（a，bx，by）=■■f（x，y）？渍a，bx，by（x，y） 　　二维连续小波逆变换为： 　　其中，？渍a，bx，by（x，y）=a■？渍（■■）是一个二维基本小波f（x，y）=■■■■Wf（a，bx，by）？渍a，bx，by（x，y）dbxdbyda。若函数f（x）∈R在某处间断或某阶导数不连续，则称该函数在此处有奇异性；若函数f（x）在其定义域有无限次导数，则称f（x）是光滑的或没有奇异性。一个突变的信号在其突变点必然是奇异的，检测和识别信号的突变点并用奇异性指数Lipschitz来刻划，这个就是信号的奇异性检测理论[7]。 　　设0≤？琢≤1，在点x0若存在常数K对x0的邻域使得下式成立 　　f（x）-f（x0）≤Kx-x0 　　则称函数f（x）在点x0是Lipschitz。如果？琢=1，则函数f（x）在点x0是可微的；如果？琢=0，则函数f（x）在点x0间断。？琢越大，说明奇异函数f（x）越接近规则；？琢越小，说明奇异函数f（x）在点x0变化越尖锐。函数（或信号）的奇异性可用其Lipschitz（？琢）来刻划，其