專利名稱：基于顏色和模糊聚類算法的農田害蟲識別方法
基于顏色和模糊聚類算法的農田害蟲識別方法技術領域
本發明屬于農業和圖像處理技術領域，是一種對農田害蟲的基于顏色和形狀特征 并結合模糊聚類算法和RBF徑向基函數神經網絡進行識別的方法。
背景技術：
我國是一個農業大國，農業蟲害也不時發生，因此農田害蟲的監測、蟲情災害的統 計預報工作十分重要。若監測預報準確及時，就可及早動手消滅害蟲，減少農藥用量。目 前，廣泛應用的是黑光燈誘捕和人工識別的方法來統計害蟲的種類及密度，該方法勞動強 度大，效率低，同時主觀因素較大，影響了測報的準確性和時效性。因此，農田害蟲的實時、 準確的識別，是現代農業作物保護的一種必然應用趨勢，也是當今數字農業需要研究和解 決的問題。
農田中的害蟲種類多，數量大，很多害蟲通過肉眼也不容易分辨，我國農作物常 見的有以下種類的病蟲害稻縱卷葉螟、稻飛虱、豆天蛾、棉鈴蟲、甜菜葉蛾、玉米螟等，本發 明利用計算機視覺、圖像處理及模式識別技術，實現對農田中常見的這6種害蟲的種類的 自動識別，是農業領域的新技術。
在利用計算機技術對農田害蟲進行識別的過程中，特征提取是重要的環節之一， 以往的做法常常是利用害蟲的灰度圖像來進行識別，而顏色信息是識別不同害蟲種類的一 個重要的特征，同時它對圖像本身的方向以及視角的依賴性較小，因而具有較高的魯棒性， 增加害蟲的顏色參數后，可大大提高害蟲的識別準確率。同時本發明結合模糊聚類算法和 RBF徑向基函數神經網絡，最后能很好地完成對農田害蟲的識別，平均準確率達到95. 1%。發明內容
針對現有技術的不足，本發明提出了基于顏色和模糊聚類算法的農田害蟲識別方 法。原始的農田害蟲圖像格式是RGB格式，它受光線影響較大，隨光照條件的變化，R、G、B 三個分量都會有較大變化，直接利用這些分量往往不能得到所需的效果，而HSI空間，它更 能接近人對彩色世界的觀察方式，它通過色調H、飽和度S、亮度I三個屬性來表示顏色，在 HSI空間中，H、S、I三分量之間的相關性比R、G、B三分量之間要小很多，使得圖像處理更少 受光照條件的影響。因此基于HSI空間能取得比RGB空間更好的效果。
本方法首先將獲取的農田害蟲原始的RGB圖像彩色圖像轉化為HSI顏色空間，并 對飽和度S進行基于期望值的增強調整計算；完成對害蟲的色調均值等顏色特征參數提 取。
而另一方面，害蟲的外形形狀也是一個重要的特征，不同的農田害蟲在形狀上存 在一定的差異。本發明采用自適應二值化的方法對害蟲圖像進行處理，并運用數字形態學 處理法進行了修正，將害蟲從背景中分割出來，提取面積、周長等形狀特征參數，最后對各 項參數進行模糊聚類算法，并結合徑向基函數神經網絡，完成常見的6種農田害蟲的識別。
本發明的基于顏色和模糊聚類算法的農田害蟲識別方法，其特征是包含以下具體步驟
(I)通過田間捕捉裝置，獲取農田害蟲的原始圖像；
(2)將原始圖像從RGB顏色空間轉換到HSI顏色空間，并選取H和S參數作為害蟲圖像的特征；
(3)對圖像進行飽和度增強計算，然后計算并提取害蟲的顏色特征參數；
(4)將農田害蟲原始圖像從RGB格式轉化為灰度格式，并進行自適應二值化處理；
(5)農田害蟲圖像再經形態學處理后，完成圖像分割，并提取害蟲形狀特征參數；
(6)對提取的害蟲顏色特征參數及形狀特征參數進行模糊聚類算法處理，并結合 RBF徑向基函數神經網絡進行訓練；
(7)完成農田害蟲的識別并計數。
通過深入研究農田害蟲的體形、色彩及其形態學特征，本發明針對農田害蟲的彩色圖像，提取了彩色圖像的色調均值、飽和度均值、色調最大差值、飽和度最大差值4個顏色特征參數。
在對圖像進行飽和度增強計算中，是對飽和度S進行基于期望值的圖像增強調整，先算出圖像中每個像素點飽和度數值及其在圖像中出現的概率，求出其數學期望E (X)， E(X) = ^iXiPl ，許以此調整圖像的飽和度，調整公式定義為
,S:; = /:V) + (1-/:·⑷ KV 廣
Si是原來的飽和度分量，Si'是調整后飽和度分量，α為拉伸因子，決定飽和度分量的飽和程度，Xi為圖像中飽和度的值，Pi為該飽和度值對應出現的概率，R為圖像的像素點總數。
另一方面，對農田害蟲圖像進行自適應二值化處理，并提取了害蟲圖像的面積、周長、長寬比、復雜度共4個形狀特征參數。
其中
(a)復雜度是描述農田害蟲形狀復雜性的一種度量，具體計算公式為
C=L2/4 31 A
式中L、A、C分別是農田害蟲的周長、面積、復雜度。
(b)長寬比K=L' /Ψ
K是指圖像的最小外接矩形的長和寬的比值，長L'為害蟲目標邊界上最遠兩點之間的距離，寬r為邊界上垂直于長軸的最遠兩點之間的距離。
本發明對害蟲形狀特征參數的提取中，由于農田害蟲的有的有豐富的表紋，采用一個固定的閾值進行二值化，會使圖像的邊緣鋸齒化，并在對比度變化較大的地方出現斷裂，因此動態調整二值化閾值去適應對比度的變化，可以最大限度地使農田害蟲圖像的二值化效果達到最佳狀態。
本發明采用動態自適應二值化處理，對圖像進行分區域二值化處理，先計算各像素點的m' Xm'鄰域內灰度平均值G'
= ΛΣ^/+ /= ^ + km J— Λ k~ A
然后，求出該鄰域內像素點灰度的標準差σ及自適應二值化閾值T
權利要求
1.一種基于顏色和模糊聚類算法的農田害蟲識別方法，其特征是包含以下具體步驟 (1)通過田間捕捉裝置，獲取農田害蟲的原始圖像； (2)將原始圖像從RGB顏色空間轉換到HSI顏色空間，并選取H和S參數作為害蟲圖像的特征； (3)對圖像進行飽和度增強計算，然后計算并提取害蟲的顏色特征參數； (4 )將農田害蟲原始圖像從RGB格式轉化為灰度格式，并進行自適應二值化處理； (5)農田害蟲圖像再經形態學處理后，完成圖像分割，并提取害蟲形狀特征參數； (6)對提取的害蟲顏色特征參數和形狀特征參數進行模糊聚類算法處理，并結合RBF徑向基函數神經網絡進行訓練和識別； (7)完成農田害蟲的識別并計數。
2.根據權利要求1所述的基于顏色和模糊聚類算法的農田害蟲識別方法，其特征是在步驟(3)對圖像進行飽和度增強計算中，是對飽和度S進行基于期望值的圖像增強調整，先算出圖像中每個像素點飽和度數值及其在圖像中出現的概率，求出其數學期望E (X)，
3.根據權利要求1所述的基于顏色和模糊聚類算法的農田害蟲識別方法，其特征是在步驟(3)提取害蟲的顏色特征參數中，共提取了色調均值、飽和度均值、色調最大差值、飽和度最大差值4個顏色特征參數。
4.根據權利要求1所述的基于顏色和模糊聚類算法的農田害蟲識別方法，其特征是在步驟(5)提取害蟲形狀特征參數中，提取了面積、周長、長寬比和復雜度4個形狀特征參數。
5.根據權利要求1所述的基于顏色和模糊聚類算法的農田害蟲識別方法，其特征是在步驟(6)的模糊聚類算法處理中，考慮不同的特征參數對聚類的作用不同，取各個特征參數的權向量為 W= (w1； W2,......，wm) 并引入加權廣義歐式權距離，描述聚類樣本b與種類h間的差異定義如下
全文摘要
本發明涉及農業和圖像處理技術領域，公開一種基于顏色和模糊聚類算法的農田害蟲識別方法,本發明首先將獲取的農田害蟲原始圖像一方面由彩色的RGB圖像轉化為HSI顏色空間，然后圖像進行飽和度增強計算，并提取害蟲的顏色特征參數；而另一方面將農田害蟲的彩色的RGB圖像轉為灰度圖像，并進行自適應二值化處理，得到二值化圖像，并提取面積、周長等形狀特征參數；最后對各項參數進行模糊聚類算法，并結合徑向基函數神經網絡，完成常見的6種農田害蟲的識別。本發明結合了農田害蟲的顏色特征參數和模糊聚類算法，大大的提高了害蟲的識別正確率，經實驗驗證，識別正確率達到95.1%。
文檔編號G06K9/62GK103034872SQ201210578380
公開日2013年4月10日 申請日期2012年12月26日 優先權日2012年12月26日
發明者汪建 申請人:四川農業大學, 汪建