亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種基于圖像分析的玉米病蟲害智能化識別方法

        2014-09-02 14:08:30楊青
        江蘇農(nóng)業(yè)科學 2014年7期
        關鍵詞:小波變換

        摘要:農(nóng)業(yè)病蟲害智能化探測是現(xiàn)代農(nóng)業(yè)發(fā)展的必然趨勢,也是基本要求之一。以玉米病蟲害為研究對象,借助計算機圖像分析技術,提出了一種玉米病蟲害智能化識別方法。首先對降質(zhì)的玉米病蟲害圖像實現(xiàn)單層小波分解,以實現(xiàn)圖像信號的多尺度分解,獲得低頻分解系數(shù)和高頻分解系數(shù)。由于低頻分解系數(shù)包含絕大多數(shù)圖像低頻信號,降質(zhì)程度可忽略不計,設計了一種具有調(diào)節(jié)因子的自適應增強函數(shù)模型,通過設定固定閾值,對高于該閾值的系數(shù)進行只適應增強,反之則進行抑制。然后對上述各高頻系數(shù)進行第二層小波分解,對獲得的低頻分解系數(shù)予以舍棄,對于高頻系數(shù)則通過設計一種隨著分解層數(shù)的變化而自適應調(diào)整閾值的小波閾值函數(shù)模型來進行處理。最后分別進行2層小波系數(shù)重構。結果表明,該方法對玉米病蟲害圖像的復原效果優(yōu)于小波硬、軟閾值函數(shù)模型,能夠根據(jù)復原后的圖像進行病蟲害的準確識別,稍加改進可應用與農(nóng)業(yè)智能化設備(如農(nóng)業(yè)機器人)的內(nèi)置程序中,能實現(xiàn)對病蟲害圖像的實時化地獲取、處理,智能化地識別。

        關鍵詞:玉米病蟲害圖像;圖像分析;小波變換;自適應增強;小波閾值函數(shù)模型

        中圖分類號: S126 文獻標志碼: A 文章編號:1002-1302(2014)07-0128-03

        收稿日期:2013-09-25

        作者簡介:楊青(1983—),女,上海人,講師,從事園林和高職教學研究。E-mail:greensheep9@163.com。農(nóng)業(yè)現(xiàn)代化水平的不斷提高,對農(nóng)業(yè)病蟲害的智能化識別提出了更高的要求。近年來,計算機圖像分析技術深入發(fā)展,誕生了一系列圖像分析方法,如小波變換[1-2]、數(shù)學形態(tài)學[3]、多重分形理論[4]等,為該領域的研究提供了一條可供借鑒的途徑。本研究將小波閾值法引入到農(nóng)業(yè)病蟲害識別中,以玉米病蟲害圖像為例,從圖像分析的角度探究病蟲害的準確識別方法。通過對復原圖像的分析,可準確判定害蟲的體態(tài)、類型,為將來制定滅蟲方案提供依據(jù)。

        1 一種小波域改進閾值函數(shù)模型

        1.1圖像小波變換過程分析

        一幅圖像可以看成是一個二維矩陣,假設該矩陣大小為m×n(m,n×Z*)。小波變換通過采用低通濾波器L(LPF)和高通濾波器H(HPF)對影像信號進行濾波,在此基礎上進行下二采樣,實現(xiàn)對影像的小波分解。圖像小波分解子圖像高頻成分用H表示,低頻成分用L表示。圖像經(jīng)過小波分解之后,得到4個不同方向、不同分辨率的小波系數(shù),即LL1為第一層低頻系數(shù);HL1表示第一層垂直高頻系數(shù);LH1表示第一層水平高頻系數(shù);HH1表示第一層高頻對角方向系數(shù)。對LL1進行二層小波分解,可得到LL2、HL2、LH2、HH2,繼續(xù)進行3層分解可類似地得到LL3、HL3、LH3、HH3。對于LL3仍可進行理論上無限制的小波分解。圖像3層小波分解過程如圖1所示。

        圖像經(jīng)過小波變換后呈現(xiàn)2類特性:(1)圖像信息的高度集中性。圖像信息集中分布在小波變換后獲得的各個系數(shù)中,并且呈現(xiàn)水平、垂直、對角線等方向集中分布。(2)圖像信息分布不均衡性。圖像經(jīng)過小波變換后,絕大部分信息集中于低頻系數(shù),而少數(shù)高頻信息(如邊緣點、地物輪廓信息)則存在于高頻系數(shù)中。特別是對于噪聲圖像而言,經(jīng)小波變換后,噪聲信息大部分存在于各高頻系數(shù)中。

        1.2改進小波閾值函數(shù)模型

        對于噪聲圖像而言,經(jīng)過小波分解后,圖像信息大部分集中于低頻部分,該部分系數(shù)幅值大;而噪聲信息集中于各高頻系數(shù)中,噪聲系數(shù)幅度值較小,無論是高頻系數(shù)還是低頻系數(shù),它們的幅度值均隨著分解層數(shù)的增大而迅速減小。對噪聲信號加以過濾,保留圖像本身信號,在此基礎上進行系數(shù)重構,這便是小波閾值法圖像分析的基本思想?,F(xiàn)有的研究模型大體上有硬閾值[5]、軟閾值[6]以及介于兩者之間的半軟半硬閾值模型[7-8]等3類。小波硬、軟閾值函數(shù)模型主要通過將待處理系數(shù)幅值與設置的閾值進行比較,若大于該閾值則直接保留或者稍加處理,否則取0輸出。這類模型將噪聲圖像信號理想化為2類,即圖像中處理噪聲信號和圖像信號,而事實上這樣的理想化情形基本不存在,故該類模型有其局限性。在此基礎上發(fā)展起來的半軟半硬函數(shù)模型通過設置相關的調(diào)節(jié)因子求得軟、硬閾值的有效折中,而該類系數(shù)的取值基本是憑經(jīng)驗來獲取,在應用中存在較強的主觀性?;谝陨戏治?,本研究嘗試進行如下改進。

        1.2.1新型自適應小波閾值經(jīng)過大量試驗發(fā)現(xiàn),隨著分解層數(shù)增加,小波系數(shù)幅度值衰減程度非常驚人,大體呈現(xiàn)指數(shù)級的衰減速度。傳統(tǒng)的小波閾值盡管也隨著分解層數(shù)增加而有所減小,但這樣的變換遠不及事實上系數(shù)幅值衰減的速度。從這個角度上說,用傳統(tǒng)小波閾值進行處理,難免會遺漏很大一部分的噪聲信號。

        2算法試驗與分析

        衡量某一算法的優(yōu)劣,僅從理論上分析仍不足以說明問題,需要結合具體的試驗并對試驗結果進行定性定量分析給出評判才具有說服力。本研究將該算法應用于1幅實地拍攝的玉米病蟲害圖像的識別,由于現(xiàn)實中條件的特殊性所獲取的圖像僅能反映某一特定條件下的降質(zhì),無法考慮到所有導致圖像降質(zhì)的因素。本研究通過對圖像加入一定強度的隨機噪聲來模擬降質(zhì)圖像,在一定程度上能說明問題。試驗結果如圖3所示。

        圖3-a為加入了均值為0、方差為0.3的高斯白噪聲和30%椒鹽噪聲構成的模擬降質(zhì)圖像,圖中信息模糊不清,無法進行辨認。采用小波硬閾值函數(shù)模型對其進行處理,結果如圖3-b所示,圖中對玉米害蟲輪廓可隱約分辨出,但對于該類害蟲的體態(tài)尺寸大小無法辨認,并且玉米莖葉受損情況如何,也無法看清。圖3-c相對于前者盡管視覺效果有所改善,但圖中的信息辨認起來仍較困難,表明2類經(jīng)典的小波閾值模型對降質(zhì)圖像的復原效果不是很理想。相對于前3幅圖像而言,圖3-d則存在本質(zhì)的不同,即圖中的玉米葉子受損情況可清洗辨認,并且停留在玉米葉子上的害蟲,根據(jù)其體態(tài)、尺寸可認為是“玉米螟”,是玉米生長過程中常見的害蟲。經(jīng)過準確辨認分析后,在現(xiàn)實操作中,可采用夜間設置頻振式殺蟲燈、高壓汞燈、黑光燈等設備來對成年的玉米螟來進行捕殺。表明該算法可對該類圖像中的病蟲害信息進行準確復原。

        3結論與討論

        本研究借助于計算機圖像分析技術,提出了一種玉米病蟲害圖像智能化識別算法。該算法對降質(zhì)的玉米病蟲害圖像先后實現(xiàn)2層小波分解,通過對第一層分解和第二層分解后所獲得低頻系數(shù)和高頻系數(shù)分別進行自適應圖像增強和自適應閾值化處理,在此基礎上實現(xiàn)重構。結果表明,該算法能夠從降質(zhì)圖像中將病蟲害信息高效復原,通過對信息的準確辨認,準確識別出病蟲害的基本情況,為有效防治害蟲提供了依據(jù)。

        本研究為農(nóng)業(yè)病蟲害的識別給出了一個粗略思路,但要真正實現(xiàn)智能化的處理,還有以下工作:(1)本研究僅針對玉米病蟲害圖像進行處理,若將該算法應用于其他農(nóng)業(yè)病蟲害的識別仍需要結合具體試驗對算法進行適當修正。(2)將該算法程序稍加改進應用于農(nóng)業(yè)智能化設備(如農(nóng)業(yè)機器人)中,通過對定時獲取的病蟲害圖像進行智能化處理,并識別出害蟲的特征,提出防治害蟲有效方案。

        參考文獻:

        [1]邢航,張鐵民,漆海霞,等. 薯類農(nóng)產(chǎn)品視覺圖像的去噪方法[J]. 農(nóng)機化研究,2012,34(7):43-47,52.

        [2]王亞超,薛河儒,多化瓊,等. 基于小波變換的木材紋理去噪研究[J]. 內(nèi)蒙古農(nóng)業(yè)大學學報:自然科學版,2013,34(1):142-145.

        [3]程玉柱,陳勇,車軍,等. 基于Bayes與SVM的玉米彩色圖像分割新算法[J]. 江蘇農(nóng)業(yè)科學,2012,41(7):355-358.

        [4]夏政偉.多重分形理論在玉米病害圖像特征提取中的應用[J]. 南方農(nóng)業(yè)學報,2013,44(5):871-874.

        [5]Donoho D L,Jonstone I M. Idel spatial adaptation by wavelet shrinkage[J]. Biometrika,1994,81(3):425-455.

        [6]Donoho D L. Denoising by soft-thrsholding[J]. IEEE Transactions on Information Theory,1995,41(3):613-627.

        [7]陳曉曦,王延杰,劉戀. 小波閾值去噪法的深入研究[J]. 激光與紅外,2012,42(1):105-110.

        [8]白青,王軍鋒,王濤,等. 一種改進的小波閾值圖像去噪綜合模型[J]. 計算機技術與發(fā)展,2013,23(5):50-53.

        3結論與討論

        本研究借助于計算機圖像分析技術,提出了一種玉米病蟲害圖像智能化識別算法。該算法對降質(zhì)的玉米病蟲害圖像先后實現(xiàn)2層小波分解,通過對第一層分解和第二層分解后所獲得低頻系數(shù)和高頻系數(shù)分別進行自適應圖像增強和自適應閾值化處理,在此基礎上實現(xiàn)重構。結果表明,該算法能夠從降質(zhì)圖像中將病蟲害信息高效復原,通過對信息的準確辨認,準確識別出病蟲害的基本情況,為有效防治害蟲提供了依據(jù)。

        本研究為農(nóng)業(yè)病蟲害的識別給出了一個粗略思路,但要真正實現(xiàn)智能化的處理,還有以下工作:(1)本研究僅針對玉米病蟲害圖像進行處理,若將該算法應用于其他農(nóng)業(yè)病蟲害的識別仍需要結合具體試驗對算法進行適當修正。(2)將該算法程序稍加改進應用于農(nóng)業(yè)智能化設備(如農(nóng)業(yè)機器人)中,通過對定時獲取的病蟲害圖像進行智能化處理,并識別出害蟲的特征,提出防治害蟲有效方案。

        參考文獻:

        [1]邢航,張鐵民,漆海霞,等. 薯類農(nóng)產(chǎn)品視覺圖像的去噪方法[J]. 農(nóng)機化研究,2012,34(7):43-47,52.

        [2]王亞超,薛河儒,多化瓊,等. 基于小波變換的木材紋理去噪研究[J]. 內(nèi)蒙古農(nóng)業(yè)大學學報:自然科學版,2013,34(1):142-145.

        [3]程玉柱,陳勇,車軍,等. 基于Bayes與SVM的玉米彩色圖像分割新算法[J]. 江蘇農(nóng)業(yè)科學,2012,41(7):355-358.

        [4]夏政偉.多重分形理論在玉米病害圖像特征提取中的應用[J]. 南方農(nóng)業(yè)學報,2013,44(5):871-874.

        [5]Donoho D L,Jonstone I M. Idel spatial adaptation by wavelet shrinkage[J]. Biometrika,1994,81(3):425-455.

        [6]Donoho D L. Denoising by soft-thrsholding[J]. IEEE Transactions on Information Theory,1995,41(3):613-627.

        [7]陳曉曦,王延杰,劉戀. 小波閾值去噪法的深入研究[J]. 激光與紅外,2012,42(1):105-110.

        [8]白青,王軍鋒,王濤,等. 一種改進的小波閾值圖像去噪綜合模型[J]. 計算機技術與發(fā)展,2013,23(5):50-53.

        3結論與討論

        本研究借助于計算機圖像分析技術,提出了一種玉米病蟲害圖像智能化識別算法。該算法對降質(zhì)的玉米病蟲害圖像先后實現(xiàn)2層小波分解,通過對第一層分解和第二層分解后所獲得低頻系數(shù)和高頻系數(shù)分別進行自適應圖像增強和自適應閾值化處理,在此基礎上實現(xiàn)重構。結果表明,該算法能夠從降質(zhì)圖像中將病蟲害信息高效復原,通過對信息的準確辨認,準確識別出病蟲害的基本情況,為有效防治害蟲提供了依據(jù)。

        本研究為農(nóng)業(yè)病蟲害的識別給出了一個粗略思路,但要真正實現(xiàn)智能化的處理,還有以下工作:(1)本研究僅針對玉米病蟲害圖像進行處理,若將該算法應用于其他農(nóng)業(yè)病蟲害的識別仍需要結合具體試驗對算法進行適當修正。(2)將該算法程序稍加改進應用于農(nóng)業(yè)智能化設備(如農(nóng)業(yè)機器人)中,通過對定時獲取的病蟲害圖像進行智能化處理,并識別出害蟲的特征,提出防治害蟲有效方案。

        參考文獻:

        [1]邢航,張鐵民,漆海霞,等. 薯類農(nóng)產(chǎn)品視覺圖像的去噪方法[J]. 農(nóng)機化研究,2012,34(7):43-47,52.

        [2]王亞超,薛河儒,多化瓊,等. 基于小波變換的木材紋理去噪研究[J]. 內(nèi)蒙古農(nóng)業(yè)大學學報:自然科學版,2013,34(1):142-145.

        [3]程玉柱,陳勇,車軍,等. 基于Bayes與SVM的玉米彩色圖像分割新算法[J]. 江蘇農(nóng)業(yè)科學,2012,41(7):355-358.

        [4]夏政偉.多重分形理論在玉米病害圖像特征提取中的應用[J]. 南方農(nóng)業(yè)學報,2013,44(5):871-874.

        [5]Donoho D L,Jonstone I M. Idel spatial adaptation by wavelet shrinkage[J]. Biometrika,1994,81(3):425-455.

        [6]Donoho D L. Denoising by soft-thrsholding[J]. IEEE Transactions on Information Theory,1995,41(3):613-627.

        [7]陳曉曦,王延杰,劉戀. 小波閾值去噪法的深入研究[J]. 激光與紅外,2012,42(1):105-110.

        [8]白青,王軍鋒,王濤,等. 一種改進的小波閾值圖像去噪綜合模型[J]. 計算機技術與發(fā)展,2013,23(5):50-53.

        猜你喜歡
        小波變換
        最優(yōu)小波包變換在齒輪箱振動信號去噪中的應用研究
        軟件導刊(2016年12期)2017-01-21 16:25:22
        負壓波法管道泄漏監(jiān)測定位系統(tǒng)實踐與探索
        卷宗(2016年10期)2017-01-21 15:48:38
        基于峰度和小波變換的超短波信號調(diào)制識別
        基于雙樹四元數(shù)小波變換的圖像降噪增強
        MATLAB在《數(shù)字圖像處理》課程中的輔助教學
        基于互信息和小波變換的圖像配準的研究
        保持細節(jié)的Retinex紅外圖像增強算法
        基于小波變換的數(shù)字水印技術
        考試周刊(2016年45期)2016-06-24 13:55:17
        基于Matlab的遙感圖像IHS小波融合算法的并行化設計
        科技視界(2016年11期)2016-05-23 08:13:35
        基于小波包絡分析的滾動軸承典型故障診斷技術研究
        商情(2016年11期)2016-04-15 07:39:54
        国产一区二区三区的区| 日韩高清av一区二区| 99久久综合狠狠综合久久| 精品伊人久久香线蕉| 天天插天天干天天操| 亚洲国产精品色婷婷久久| 水蜜桃视频在线观看入口| 91久久精品国产综合另类专区| 亚洲一区精品无码| 久久久国产乱子伦精品作者| 欧美孕妇xxxx做受欧美88| 四虎精品成人免费观看| 大陆啪啪福利视频| 国产av三级精品车模| 中文字幕亚洲综合久久综合| 麻豆md0077饥渴少妇| 中文无码久久精品| 久久久久无码国产精品不卡| 亚洲欧洲日产国码无码av野外| 国产高清不卡二区三区在线观看| 少妇被黑人嗷嗷大叫视频| 欧美日韩精品一区二区视频| 中文字幕精品一区二区2021年| 亚洲精品老司机在线观看| 国产亚洲AV天天夜夜无码| 男女啪啪动态视频在线观看 | 亚洲一区二区三区高清在线| 午夜免费视频| 亚洲国产av导航第一福利网| 中文字幕经典一区| 久久精品国产亚洲av热明星| 亚洲成人av一区免费看| 久热re这里精品视频在线6| 人人妻人人澡人人爽精品欧美 | 又色又污又爽又黄的网站| 午夜亚洲AV成人无码国产| 在线观看极品裸体淫片av| 人妻熟女翘屁股中文字幕| 乱色精品无码一区二区国产盗| 国产午夜三级一区二区三| 韩国无码精品人妻一区二|