[发明专利]多策略粮虫视觉检测方法

摘要

本发明公开了一种多策略粮虫视觉检测方法，一、获取所述粮虫图像；二、对粮虫图像进行奇异值分解得到图像数据矩阵；三、采用symN小波基对粮虫图像进行2层小波分解和重构；四、采用Otsu方法对粮虫图像进行二值化；五、对二值图像膨胀运算；六、基于Blob算法对二值化后的粮虫图像进行Blob连通域分析，从而达到粮虫检测目的。本发明解决了传统人工储粮活虫检测非常耗时且效率很低的问题，通过面积参数和周长参数进行快速、准确、无损自动检测粮虫；同时解决了现有粮虫视觉检测方法无法克服粮仓复合环境影响的问题，实现了既能准确检测粮虫数目又能精确标记粮虫位置目的。

主权项

1.一种多策略粮虫视觉检测方法，其特征在于：包括下述步骤；第一步、通过取样器将藏在粮堆内部的活体粮虫分拣出来，然后通过视觉设备将所述活体粮虫拍摄以获取所述粮虫图像；第二步、对所述粮虫图像进行奇异值分解得到图像数据矩阵,其中U和V分别是和的正交矩阵，为的元素为非负的对角矩阵，为V的转置；将值全置为0形成新的，然后与和重建图像数据矩阵；最后通过对图像数据矩阵求差，以增强图像中的粮虫信息；第三步、采用symN小波基对所述粮虫图像进行2层小波分解和重构；根据小波分解子带分解系数相关性的特性，对大于阈值的高频系数倍乘4，低频系数缩小为原值的；即：其中，为新低频子带系数；为新水平高频子带系数；为新垂直高频子带系数；为对角线方向上的新高频子带系数；原始低频子带系数；为原始水平高频子带系数；为原始垂直高频子带系数；为对角线方向上的原始高频子带系数；对于图像来说，其离散二维小波多尺度分解算法如下：设原始图像为，dwt2 为二维离散小波变换；小波分解为：其中，为原始低频子带系数；为原始水平高频子带系数；为原始垂直高频子带系数；为对角线方向上的原始高频子带系数；为待分解粮虫图像；其离散二维小波多尺度重建算法如下：其中，为新低频子带系数；为新水平高频子带系数；为新垂直高频子带系数；为对角线方向上的新高频子带系数；为重构粮虫图像；将新细节部分高频子带系数和新的低频子带系数根据上式进行重构得到需要的高分辨率图像；第四步、采用Otsu方法对粮虫图像进行二值化；对于一幅粮虫图像，通过图像的总平均灰度级，目标的平均灰度级与背景的平均灰度级以及其分别所占图像面积的比例，依照类间方差实现目标和背景分割，完成图像二值化的差别；第五步、由于粮虫属于弱小目标，粮虫图像二值化后易使粮虫区域更弱化甚至本来完整的粮虫断裂为两部分，必须借助膨胀算法扩大或桥接断裂的粮虫图像区域缝隙；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图像膨胀运算，实现粮虫目标增强进而提高粮虫检测识别率；第六步、基于Blob 算法对二值化后的粮虫图像进行Blob 连通域分析，从而达到粮虫检测目的；Blob算法实现如下：(1)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， 黑点为0，白点为1；(2)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，黑点为0，白点为1。