[发明专利]多分辨率粮虫种类视觉识别方法

说明书

本发明公开了一种多分辨率粮虫种类视觉识别方法，对拍摄的低、中、高分辨率三幅粮虫图像分别运用OTSU算法对其进行二值化，利用Blob算法分别提取低、中、高三种分辨率的粮虫图像的连通区域，在低分辨率粮虫图像上对疑似粮虫目标区域定位；根据中、低分辨率图像放大率和低分辨率粮虫图像上疑似粮虫目标区域进行反定位，计算面积参数与周长参数，确定是否为粮虫区域；最后在Blob算法提取的高分辨率粮虫图像连通区域基础上，根据高、中分辨率图像放大率和已确定中分辨率粮虫区域进行反定位，采用局部二值模式粮虫纹理特征和随机森林分类器对粮虫实现识别。本发明利用开发工具和图像处理算法的优点实现对粮虫种类的高效准确的识别。

技术领域

本发明涉及储粮粮情检测领域，尤其是涉及多分辨率粮虫种类视觉识别方法。

背景技术

维持一定数量、品种和品质粮食的储备，是保障国家粮食安全的重要措施。其中，储粮害虫的危害问题是该领域长期以来表现较为突出的问题之一。粮虫识别是进行粮虫综合防治的一种有效手段。主要方法有扦样法、诱集法、声音识别法、近红外法和视觉检测法等。自从美国学者Zayas采用视觉技术对散装小麦仓中的谷蠹成虫进行离线研究，为粮虫的快速检测和分类开辟了新途径。视觉识别法具有准确度高、劳动量小、粮虫图像可视化、不局限于粮库的分散性和地域限制，便于同粮库现有软件系统集成等优点。因此，如何高效、准确、便捷地实现粮虫识别，近年来一直是粮虫识别领域的研究热点。

发明内容

本发明目的在于提供一种多分辨率粮虫种类视觉识别方法，以解决现有粮虫视觉检测方法无法克服实际粮仓存储复合环境的影响。

为实现上述目的，本发明采取下述技术方案：

本发明所述多分辨率粮虫种类视觉识别方法，在多分辨率镜头基础上，对拍摄的低分辨率（小于）、中分辨率（介于和之间）、高分辨率（高于）三幅粮虫图像分别运用OTSU算法对其进行二值化，然后利用Blob算法分别提取低、中、高三种分辨率的粮虫图像的连通区域，并在所述低分辨率粮虫图像上对疑似粮虫目标区域定位；在所述Blob算法提取的所述中分辨率粮虫图像连通区域的基础上，根据中、低分辨率图像放大率和低分辨率粮虫图像上疑似粮虫目标区域进行反定位，并计算其面积参数与周长参数，据此确定是否为粮虫区域；最后在Blob算法提取的高分辨率粮虫图像连通区域基础上，根据高、中分辨率图像放大率和已确定中分辨率粮虫区域进行反定位，然后采用局部二值模式(英文：Local Binary Patterns，简称LBP)粮虫纹理特征和随机森林分类器(英文Random Forest, 简称RF)对粮虫实现识别。

为抑制复合干扰源下凸显粮虫目标来提高粮虫视觉检测效果，构造结构元素，同时使用水平方向和垂直方向的线性结构元素，对二值化的所述低、中、高三种分辨率粮虫图像进行膨胀运算，实现粮虫目标增强进而提高粮虫检测识别率。

根据中、低分辨率图像放大率和低分辨率粮虫图像上疑似粮虫目标区域进行反定位，并计算其面积参数与周长参数的方法为：

a、采用面积参数度量目标区域大小，对于斑块区域，定义为该区域中像素点的数目，即：

式中：为像素坐标值，为该点的像素值；

b、采用周长参数度量目标区域特征，对于斑块区域，定义为斑块区域边界上像素点的个数。即：

式中：为像素坐标值，为该点的像素值。

采用局部二值模式粮虫纹理特征和随机森林分类器对粮虫实现识别的方法为：

利用像素点的邻域内灰度变化来表示高分辨率粮虫图像像素点的纹理模式；变换公式如下：

其中表示图像在像素点的邻域内的灰度变化，取值为：