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

        ?

        1種基于全局對比度的害蟲收集方法

        2021-04-21 01:18:38柳懿祥汪杭軍徐鐵平
        關(guān)鍵詞:陰影害蟲像素

        柳懿祥,汪杭軍,徐鐵平

        (1. 浙江農(nóng)林大學(xué) 信息工程學(xué)院,浙江 杭州 311300;2. 浙江農(nóng)林大學(xué) 暨陽學(xué)院,浙江 諸暨 311800;3. 諸暨農(nóng)業(yè)農(nóng)村局,浙江 諸暨 311800)

        現(xiàn)代農(nóng)業(yè)和林業(yè)害蟲給糧食安全帶來嚴(yán)重威脅,每年產(chǎn)生巨大的經(jīng)濟(jì)損失[1]。準(zhǔn)確地監(jiān)測害蟲數(shù)量變化,預(yù)測害蟲爆發(fā)趨勢,可為害蟲管理行動提供可靠依據(jù)和正確管理方法[2-3]。近年來,出現(xiàn)了許多用于蟲害測報(bào)的新型害蟲誘殺設(shè)備及監(jiān)測系統(tǒng),這些設(shè)備配有多種傳感器,可以上傳數(shù)據(jù)到用戶手機(jī)端,且可以定時(shí)對誘殺的害蟲拍攝然后識別計(jì)數(shù)[4-5],節(jié)省了大量人力。害蟲誘殺設(shè)備及監(jiān)測系統(tǒng)進(jìn)行蟲害測報(bào)的重要前提是如何準(zhǔn)確分割害蟲,針對此問題,許多國內(nèi)外學(xué)者對害蟲分割方法進(jìn)行了研究。SOLIS-SáNCHEZ等[6]利用目標(biāo)的幾何形態(tài)特征(偏心率、面積等)從誘蟲板上分割粉虱Aleyrodidae。NING等[7]提出交互式分割方法從復(fù)雜背景中分割害蟲。呂金娜[8]提出了基于LAB顏色空間的棉花Gossypiumspp.害蟲普適K聚類害蟲圖像分割方案,對典型棉花害蟲圖像進(jìn)行分割。楊信廷等[9]提出了基于Prewitt、Canny邊緣檢測算子分割和支持向量機(jī)(SVM)的溫室粉虱和薊馬Thripidae誘蟲板的圖像識別算法。陳樹越等[10]提出改進(jìn)的凹點(diǎn)檢測和精確分割點(diǎn)定位的方法,實(shí)現(xiàn)對黏連害蟲的分割。然而,上述方法大多用于單個害蟲情況,對于野外誘蟲裝置獲得圖像、害蟲產(chǎn)生輕微堆疊及顏色不一等問題還有待解決。害蟲的分割效果與設(shè)備的收集功能密不可分。李芝茹等[11]采用了追蹤式太陽能監(jiān)測裝置,在穩(wěn)定供能的同時(shí)也可升降采集不同高度的害蟲;張紅濤等[12]、張昊辰等[13]針對捕蟲誘集部分,設(shè)計(jì)了多種采集方法以及通道,來提升害蟲圖像質(zhì)量。本研究針對害蟲收集裝置中的采集害蟲圖像分割精度的要求,根據(jù)害蟲面積與采樣盤面積的比例進(jìn)行智能翻轉(zhuǎn),針對翻轉(zhuǎn)功能需要克服的實(shí)際拍攝圖像光照不均勻,陰影干擾大,及害蟲種類顏色繁多等問題,提出了基于全局對比度的圖像分割方法,對裝置中的實(shí)際圖像進(jìn)行分割處理,使其滿足采樣盤的智能翻轉(zhuǎn)要求。

        1 害蟲收集方法

        1.1 基于全局對比度的害蟲分割方法

        害蟲的智能收集通過害蟲面積占比控制采樣盤翻轉(zhuǎn)完成,為了準(zhǔn)確獲取此比例,需要對獲取的害蟲圖像有較高精度的分割。本研究結(jié)合基于直方圖對比度的顯著性檢測(HC)算法與閾值迭代算法,提出了滿足害蟲圖像精度的分割方法。整體方法流程如圖1所示。

        圖1 方法流程圖Figure 1 Algorithm flow chart

        為了減少多種顏色害蟲同時(shí)出現(xiàn)的頻率,首先將害蟲圖像分成150個同等大小的區(qū)域,每個區(qū)域大小約1只害蟲的面積。在分割區(qū)域操作的同時(shí),計(jì)算顏色的出現(xiàn)頻率,高頻顏色替換低頻顏色,保證算法運(yùn)行速度。在此基礎(chǔ)上通過HC算法檢測圖像中的淺色害蟲,結(jié)合閾值迭代算法分割背景顏色。得到的圖像淺色害蟲輪廓清晰,并避免了陰影的影響,但圖像中深色害蟲均未被分割,故將此前檢測出的淺色害蟲圖像中的像素點(diǎn)更新為黑色,加強(qiáng)深色害蟲與背景顏色的對比度。再根據(jù)直方圖計(jì)算顯著值完成對所有目標(biāo)害蟲的檢測。顯著值的計(jì)算公式為:

        式(1)中:a為每個像素的顏色值構(gòu)成的矩陣;amax為a矩陣中所有值的最大值;amin為a矩陣中所有值的最小值;S為顯著值。

        最后通過sigmoid函數(shù)對結(jié)果的圖像進(jìn)行二值化計(jì)算得到最終的害蟲分割圖像,用此圖像可對害蟲面積比例進(jìn)行計(jì)算,完成采樣盤翻轉(zhuǎn)的判定。公式為:

        式(2)中:S為顯著值;為sigmoid函數(shù)。改進(jìn)后的方法簡易且運(yùn)行快速,效果顯著,可以更好地分割背景和害蟲,同時(shí)也能分割出深色害蟲清晰的輪廓。

        1.2 HC 算法

        在顯著性檢測算法中,HC算法運(yùn)行速度較快,且可以保留顏色特征、有效地體現(xiàn)不同顏色的邊緣紋理。HC算法根據(jù)圖像的顏色直方圖分布,對顏色級數(shù)進(jìn)行量化和平滑操作,最終計(jì)算每個像素的顏色與其他像素顏色的對比度定義為顯著值[14]。其計(jì)算公式為:

        式(3)中:Ik為k點(diǎn)圖像顏色轉(zhuǎn)化為Lab顏色空間后的當(dāng)前像素;Ii則是其余i點(diǎn)的每個像素;n是其余像素的個數(shù);D為2個像素的歐式距離度量;S為顯著值。

        在害蟲圖像中,會出現(xiàn)圖像顏色過多影響處理速度的問題。為了解決這個問題,采用了量化圖像顏色數(shù)據(jù)降低顏色數(shù)量的方法。對害蟲圖像壓縮,將具有相同顏色像素的組合在一起。公式為:

        式(4)中:ci為i點(diǎn)當(dāng)前像素Ik的顏色值;cj為其余j點(diǎn)的顏色值;n為顏色不同的像素?cái)?shù)量;fj為j點(diǎn)像素顏色出現(xiàn)的頻率;D為顏色值間的歐式距離度量;S為顯著值。

        由于自然圖像中的顏色種類只占全顏色空間的小部分,采取忽略出現(xiàn)頻率低的顏色值來進(jìn)一步縮減顏色的數(shù)量,刪除的顏色值用保留下來的相近顏色值所代替。為了防止縮減顏色數(shù)量導(dǎo)致害蟲的輪廓細(xì)節(jié)被忽略,需保證選擇留下的高頻顏色在圖像中覆蓋的像素不少于95%。由于目的是完成對害蟲輪廓的分割,從而計(jì)算害蟲的面積,故此操作既不影響分割的精度,還成功提高了算法的運(yùn)行效率。

        由于在縮減顏色數(shù)量時(shí),相近的顏色也許會被量化為不同的值,為了減少這類顏色對檢測害蟲區(qū)域時(shí)產(chǎn)生的噪聲,使用相近顏色的顯著值加權(quán)平均值代替原本的顯著值。其計(jì)算公式為:

        式(5)中:S′為平滑顏色后的顯著值;S為原本的顯著值;T為要改善顏色c和m個最近的顏色ci之間的距離之和;D為要改善顏色c與最接近顏色ci的歐式距離度量。

        接著獲取處理后圖像的顏色直方圖,計(jì)算1個像素與其余像素的歐式距離,求出所有距離之和,將此定義為顯著值。最后將像素的顏色值更新為求出的顯著值即處理完畢。

        同時(shí)存在多種顏色害蟲時(shí),單一使用HC算法存在無法提取深淺色害蟲的缺陷。原因是圖像中害蟲的種類以及顏色多樣,害蟲間的對比度過大,且存在一定的陰影及輕微重疊干擾。故本研究決定結(jié)合閾值迭代對害蟲圖像進(jìn)行處理,以此優(yōu)化前景與背景之間的顏色差。

        1.3 閾值迭代分割算法

        利用閾值迭代分割算法解決了圖像各區(qū)域亮度不同等因素,可更好地分割圖像背景[15-16]。該算法可在不同區(qū)域采用不同的閾值進(jìn)行分割,適合處理多種顏色害蟲混合的圖像,解決了害蟲陰影的干擾問題,完成了分割單一顏色背景的目的。

        該算法主要通過迭代方式逼近最佳閾值,從而達(dá)到分割背景的目的,關(guān)鍵步驟在于找到最佳閾值。先將整幅圖像分成多張互相之間有50%重疊的子圖像,分別作出這些子圖像的直方圖。對這些子圖像的直方圖進(jìn)行檢測,查看是否為雙峰,如果是雙峰,則進(jìn)行閾值迭代法確定閾值,如果不是雙峰,就不進(jìn)行處理。接著確定閾值,以此為依據(jù)劃分前景和背景。然后分出閾值的2邊數(shù)據(jù)為A和B部分。分別計(jì)算A和B部分的均值,然后再總的求A和B部分的均值即為新的閾值。設(shè)定迭代次數(shù)進(jìn)行不斷尋找最佳閾值,用得到的閾值進(jìn)行圖像的二值化。公式如下:

        式(6)~(7)中:R(i, j)為圖像(i, j)像素點(diǎn)的灰度值;N(i, j)為(i, j)像素點(diǎn)的權(quán)重系數(shù);TK為確定閾值;m為像素個數(shù);R0與RG分別為目標(biāo)和背景的平均灰度值。

        2 結(jié)果與分析

        2.1 圖像的獲取裝置

        圖像獲取的步驟分為害蟲的誘殺收集和拍攝2步。害蟲的誘殺通過打開圖2的黑光燈引誘害蟲,害蟲飛至黑光燈邊上的電網(wǎng)時(shí),被電死掉落到下方漏斗狀裝置內(nèi)部,然后滑落到采樣盤上。攝像頭在LED燈點(diǎn)亮后進(jìn)行拍攝,采集圖像大小為2 592像素×1 944像素。最后將拍攝的圖像傳送至控制系統(tǒng)內(nèi)部進(jìn)行圖像處理。

        圖2 害蟲收集裝置示意圖Figure 2 Schematic diagram of pest collection device

        2.2 不同底盤顏色的分割效果分析

        本研究設(shè)備為Intel(R) Core(TM)i7-8750H CPU、16G 64位PC機(jī)和樹莓派官方500萬像素?cái)z像頭,系統(tǒng)和軟件環(huán)境為Window10,Jupyter Notebook,Raspberry Pi3 B+。在實(shí)際裝置托盤上方20 cm處使用裝置內(nèi)部的樹莓派攝像頭進(jìn)行拍攝。研究樣本為5種害蟲在白底托盤和紅底托盤上的實(shí)際圖像。為了驗(yàn)證本研究的可靠性與有效性,共選用100張實(shí)際拍攝圖像后運(yùn)行算法,取平均值作為最后研究結(jié)果數(shù)據(jù)。因?qū)嶋H裝置的硬件性能所限制,且實(shí)際裝置對智能翻轉(zhuǎn)的圖像處理有一定的速度和精度需求,故排除與深度學(xué)習(xí)分割方法的對比。本研究選取了4種綜合處理效果較好的經(jīng)典算法作為比較。

        使用不同算法對實(shí)際攝像頭拍攝的圖片白底樣本進(jìn)行分割。由圖3可見:本研究算法與實(shí)際比率的接近程度明顯高于其他算法。且在白底托盤中,本研究算法可以更好避免陰影的影響,分割出目標(biāo)害蟲的輪廓。比較圖4和圖5可知:大津算法(OTSU)出現(xiàn)了錯誤分割陰影的結(jié)果,它將較多的陰影區(qū)域分割,將會導(dǎo)致害蟲比例嚴(yán)重誤判。而本研究算法較好改善了該問題,至于僅剩的陰影噪聲問題將通過改善拍攝條件彌補(bǔ)。

        圖3 白底樣本分割效果對比Figure 3 Comparison of sample segmentation effects on white background

        圖4 OTSU算法與本研究算法對陰影分割的比較Figure 4 Comparison of shadow segmentation between OTSU and research algorithm

        白底樣本的分割結(jié)果(圖5)進(jìn)一步表明:HC算法無法識別害蟲顏色與背景顏色對比度不高的害蟲,而本研究算法在改進(jìn)其算法后,可以較清晰地分割出這些原本分割效果不佳的害蟲。

        圖5 HC算法與本研究算法對害蟲細(xì)節(jié)分割的比較Figure 5 Comparison of HC algorithm and research algorithm on pest detail segmentation

        綜合了白底樣本采樣盤易出現(xiàn)燈光照射以及陰影的干擾,且由于淺色害蟲與白色采樣盤背景對比度過于接近,更加不利于對害蟲的分割,故改進(jìn)裝置的采樣盤為紅色。拍攝深色害蟲與淺色害蟲同時(shí)存在于采樣盤上時(shí)的圖像,作為紅底樣本,并使用不同算法對其進(jìn)行分割處理。從圖6和圖7可見:其他算法主要完成了淺色害蟲的分割,但均無法分割出深色害蟲并計(jì)算害蟲面積。本研究算法則完成了深淺害蟲的同時(shí)分割,從圖7可清晰觀察到深色害蟲的翅膀及觸角等細(xì)節(jié),證明本研究算法在多種顏色害蟲存在時(shí)分割結(jié)果更精確可靠。

        圖6 紅底樣本分割效果對比Figure 6 Comparison of sample segmentation effects on red background

        圖7 HC算法與本研究算法對深色害蟲分割的比較Figure 7 Comparison of HC algorithm and research algorithm on dark pest segmentation

        2.3 分割效果評價(jià)分析

        為了評價(jià)算法的分割圖像效果優(yōu)劣,本研究將采用平均分割時(shí)間、準(zhǔn)確率和召回率對算法的分割結(jié)果進(jìn)行衡量[17]。為了比較各算法的效率,將使其對每幅圖像進(jìn)行多次分割,然后取平均處理時(shí)間來作最終評價(jià)。準(zhǔn)確率(P)和召回率(R)的公式如下:

        式(8)~(9)中:N為像素個數(shù);Gn表示基準(zhǔn)圖像第n個像素是否為分割目標(biāo)像素;Sn表示分割圖像第n個像素是否為分割目標(biāo)像素,值為0或1。本研究取權(quán)重系數(shù)為0.3,來防止由于顯著性檢測導(dǎo)致召回率過高的問題。準(zhǔn)確率表示目標(biāo)分割的準(zhǔn)確性,召回率為檢測區(qū)域與基準(zhǔn)圖像區(qū)域的比值,表示算法分割的完整性。使用選取的5種算法對樣本進(jìn)行圖像處理,并且將人工分割的圖像作為基準(zhǔn)圖像,得到3個評價(jià)指標(biāo)(表1)。

        由表1可知:本研究算法的準(zhǔn)確率及召回率最高,其他算法易出現(xiàn)分割陰影等非目標(biāo)輪廓,或分割不出深色害蟲。準(zhǔn)確率相比其他4種算法均提高約13%。在召回率上,本研究算法提高了10%以上,最高達(dá)53%。準(zhǔn)確率和召回率的提升,體現(xiàn)了本研究算法的精確性和可靠性。在分割速度方面,本研究算法高出水平集算法約3倍,且總耗時(shí)滿足裝置的實(shí)際需求。除水平集算法外,其他3種算法雖然分割時(shí)間短,但無法分割多種害蟲同時(shí)存在的圖像,故可以接受本研究算法小幅延長分割時(shí)間后,完成了更高要求的分割。

        表1 準(zhǔn)確率、召回率和分割速度對比Table 1 Comparison of accuracy recall, and segmentation speed

        3 結(jié)論

        本研究算法處理后得到的結(jié)果誤差控制在5%以內(nèi)。即使在光照不穩(wěn)定和害蟲種類以及姿態(tài)復(fù)雜的環(huán)境下采集的圖像中,本研究算法也可以較精確避免輕微重疊和陰影的影響進(jìn)行分割。在多種顏色害蟲同時(shí)存在時(shí),本研究算法也可分割出幾乎接近實(shí)際害蟲的輪廓。因此,本研究算法簡單、高效且充分滿足分割精度和速度的需求,適宜于害蟲收集裝置內(nèi)部使用,達(dá)到對害蟲比例進(jìn)行準(zhǔn)確計(jì)算的目的。

        猜你喜歡
        陰影害蟲像素
        趙運(yùn)哲作品
        藝術(shù)家(2023年8期)2023-11-02 02:05:28
        像素前線之“幻影”2000
        蝸牛一覺能睡多久?
        冬季果樹常見蛀干害蟲的防治
        你來了,草就沒有了陰影
        文苑(2020年11期)2020-11-19 11:45:11
        中國詩歌(2019年6期)2019-11-15 00:26:47
        “像素”仙人掌
        棗樹害蟲的無公害防治
        讓光“驅(qū)走”陰影
        陰影魔怪
        三级黄色片免费久久久| 国产精彩刺激对白视频| 中文字幕亚洲精品高清| 中文有码人妻字幕在线| 激烈的性高湖波多野结衣| 亚洲av国产av综合av| 精品999无码在线观看| 蜜桃网站免费在线观看视频| 777精品出轨人妻国产| 久久精品国内一区二区三区| 五月色婷婷丁香无码三级| 国产精品福利自产拍在线观看| 国产精品毛片无遮挡高清| 日本精品人妻一区二区三区| 亚洲av日韩一区二区| 亚洲一区 日韩精品 中文字幕| 草莓视频一区二区精品| 一区二区日本影院在线观看| 欧美精品无码一区二区三区| 人人爽人人爱| 亚洲高清视频在线播放| 熟女少妇精品一区二区三区| 亚洲人成欧美中文字幕| 乱中年女人伦av| 成人国产自拍在线播放| 免费人成视频网站在在线| 人妻少妇精品无码专区二区| 国产男女插插一级| 亚洲一区中文字幕视频| 精品国产精品国产偷麻豆| 18无码粉嫩小泬无套在线观看| 国产一区二区三区四区色| 精品人伦一区二区三区蜜桃91| 一性一交一口添一摸视频| 99热成人精品国产免| 水蜜桃网站视频在线观看| 美女高潮黄又色高清视频免费| 国产精品二区在线观看| 粗大挺进孕妇人妻在线| 国产免费久久精品99久久| 日本强好片久久久久久aaa|