基于计算机视觉昆虫识别研究.docVIP

基于计算机视觉昆虫识别研究 　　摘要 　　如今，最大值提取法、平均值提取法、概率系数提取法和HLS亮度提取法是目前使用最广泛的四种彩色图像转换为灰度图像的方法。为了从实际图像的复杂背景，中提取白色和黑色昆虫，本文基于颜色通道，提出了一种新的将彩色图像转换为灰度图像的彩色通道比较法，具体方法如下：（1）对于白色昆虫，如果图像同一个像素的红（R）、绿（G）、?{（B）像素值，最高与最低值之间的差值大于20，则使像素点的灰度值等于红（R）、绿（G）、蓝（B）中最低灰度值的五分之一，否则使像素点的灰度值等于红（R）、绿（G）、蓝（B）中最高灰度值的五倍。（2）对于黑色昆虫，如果图像同一个像素的红（R）、绿（G）、蓝（B）像素值，最高与最低值之间的差值大于20，则使每个像素点的灰度值等于红（R）、绿（G）、蓝（B）中最高灰度值的五倍，否则使每个像素点的灰度值等于红（R）、绿（G）、蓝（B）中最低灰度值的五分之一。与现有的方法相相比，彩色通道比较法能更有效的将昆虫从实际图像的复杂背景中提取出来。 　　【关键词】昆虫提取 计算机视觉 图像处理 灰度变换 　　1引言 　　计算机视觉技术是一种快速、有效的检测昆虫数量的方法。利用计算机视觉技术识别实际环境中的昆虫，是一种非常重要的、具有挑战性的工作。 　　一般来说，当计算机视觉技术用于识别昆虫时，需要将彩色图像转化为灰度图像，而彩色图像转化为灰度图像的质量将显著影响着昆虫的图像识别效果。如今，最大值提取法、平均值提取法、概率系数提取法和HLS亮度提取法是目前使用最广泛的四种彩色图像转换为灰度图像的方法。另外，除了使用将彩色图像转化为灰度图像的方法，一些更复杂的数学模型也己被应用到彩色图像变换到灰度的，例如小波算法。 　　为了从实际图像复杂背景中识别和提取白色和黑色昆虫，本文提出了一种新的将彩色图像转化为灰度图像的方法――彩色通道比较法。 　　本文将常用的四种彩色图像转换为灰度图像的方法与新提出的彩色通道比较法进行比较，以表明新方法的优势。 　　2常用的提取方法简介 　　三原色理论在计算机视觉技术中起着重要的作用，根据三原色理论表明，红（R）、绿（G）、蓝（B）这三个原色的混合将确定对象最终的颜色。 　　在概率系数提取方法中，灰度图像中像素的亮度L是基于人眼对红（R）、绿（G）、蓝（B）三原色的识别系数计算的，L值可以表示为： 　　L=0.2989×R+0.5870×G+0.1144×B（3） 　　在HLS亮度提取法中，灰度图像中像素的亮度L是基于视觉感知模型得出的，L值可以表示为： 　　3彩色通道比较法的提出 　　根据三色理论，当红（R）、绿（G）、蓝（B）有相同的亮度，他们混合将得到的灰度图像。在一个灰度图像中，纯白色像素具有最高的亮度，而纯黑色的像素具有最低的亮度。一般来说，灰度图像的亮度值介于白色图像和黑色图像之间。 　　现实生活中，许多昆虫是白色或黑色的，而灰度图像（包括白色和黑色的图像）的R， 　　G和B值是相等的，因此，根据白色和黑色物体三原色分析，本文提出一种白色或黑色昆虫的提取方法，被称为彩色通道比较法，彩色通道比较法描述如下。 　　对于白色的昆虫，如果同一个像素中的红（R）、绿（G）、蓝（B）像素值的最高和最低值之间的差异大于20，则使像素点的灰度值等于红（R）、绿（G）、蓝（B）中最低灰度值的五分之一，否则使像素点的灰度值等于红（R）、绿（G）、蓝（B）中最高灰度值的五倍，公式表示为： 　　对于黑色昆虫，如果图像同一个像素的红（R）、绿（G）、蓝（B）像素值，最高与最低值之间的差值大于20，则使每个像素点的灰度值等于红（R）、绿（G）、蓝（B）中最高灰度值的五倍，否则使每个像素点的灰度值等于红（R）、绿（G）、蓝（B）中最低灰度值的五分之一，公式表示为： 　　众所周知，人类的眼睛对亮度的识别范围是10-20，而且，在彩色和灰度图像的多阈值模型中，最低阈值也是20。因此，经过研究，在公式（5）和公式（6）中使用的判断阈值标准定为20。白色和黑色昆虫的图像通过公式（5）和公式（6）的计算，能从灰度图像中的相对突出，能更有效地识别和提取的实际复杂背景中的昆虫图像。 　　4结果的验证与分析 　　下面，本文将使用实际生活中的昆虫图像，通过4个现有的图像识别提取方法和彩色通道比较法，将彩色图片转化为灰度图像，从而展示白色和黑色的昆虫的转换效果。具体方法为： 　　首先，将实际的彩色图片使用上述方法转化为灰度图像。然后，使用Otsu算法将灰度图像转化为二进制图像。最后，通过处理的效果进行了比较，测试的彩色通道比较法的优势。 　　图1是昆虫黄刺蛾茧的图片，黄刺蛾茧的颜色是近似白色，是一个典型的白色昆虫图片。 　　图2（a-d）是通过4种常用灰