基于DCT和区域生长的白粉虱图像分割方法

摘要

本发明公开了一种基于DCT和区域生长的白粉虱图像分割方法，其基于DCT和区域生长的白粉虱图像分割方法模仿人的信息处理功能，先通过清晰度特征粗略找出感兴趣区域，然后结合害虫图像局部聚合度较高的特性，利用区域生长方法提取完整害虫目标。

说明书

技术领域

本发明涉及病虫害图像自动化识别领域，特别涉及一种基于DCT 和区域生长的白粉虱图像分割方法。

背景技术

随着机器视觉技术的应用和发展，利用数字图像处理技术对作物 病虫害图像进行处理、分割、识别，从而实现病虫害自动化识别成为 可能，因此，机器视觉技术作为一种重要的病虫害自动化识别手段已 经日益引起人们的重视，并广泛地应用于病虫害防治领域。

作物上害虫种群密度和危害程度是害虫防治决策的重要依据，也 是精确喷药的关键信息。与人工方法相比，使用机器视觉自动获取害 虫信息，不仅可降低劳动强度、提高工作效率，更加客观，避免人为 因素的影响导致结果的不准确性，而且便于与后续的防治决策和精确 施药技术对接和技术集成。目前，害虫检测和技术的难点之一是：在 开放田间环境中，环境复杂，背景颜色变化多样，背景、叶片和害虫 的灰阶范围常常重叠，导致害虫的自动分割困难。目前研究较多的是 阈值法和阈值与聚类相结合的方法，在大田开放环境下，不可避免导 致误分割，因此找到一种能在田间开放环境下准确分割害虫的方法迫 在眉睫。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是如何对田间开放环境中的白粉虱图像 进行分割。

（二）技术方案

为解决上述问题，本发明提供一种基于DCT和区域生长的白粉虱 图像分割方法，包括步骤：S1、将白粉虱图像转换到灰度空间，对所 获得的灰度图像y进行中值滤波去噪得到y1；S2、将y1用8*8模板做 离散余弦变换得到dct1，截断dct1的高频信号，然后进行反离散余弦 变换，重新将图像转换到灰度空间，得到灰度图像y2；S3、令差值图 像diffy=|y-y2|；S4、将diffy归一化后投影到灰度空间得到灰度图像 gray_diff，计算灰度图像的模糊熵，通过最大化模糊熵得到分割阈值， 将图像分割成清晰区域和模糊区域，得到二值图像binary；S5、在原始 的白粉虱图像中标记清晰区域并建立灰度值高斯模型，对标记的清晰 区域进行自检测，剔除明显偏离模型的点，得到最终的清晰区域，开 闭运算去噪，消除离散噪声点，得到起始生长区域binary1；S6、计算 binary1中清晰区域的期望灰度值μ和方差σ；S7、从binary1标记的 起始生长区域开始生长，将邻域灰度相似的点标记为生长区域，所述 邻域灰度相似的点为邻域的灰度值和清晰区域的期望灰度值μ的差值 在一定方差范围内的点，并从该点继续生长；否则，找到下一个没有 标记的生长点进行生长，直到全部标记完成，从背景和叶片中分离出 病虫目标。

优选地，步骤S2中截断高频信号的方法是：计算8*8模板在原始 的白粉虱图像中对应的像素灰度值之和，记为gray，将截断高频信号 的阈值设置为gray/2。

优选地，步骤S4中将diffy归一化后投影到灰度空间得到灰度图 像gray_diff的计算方法是：gray_diff(i,j)=diffy(i,j)/max(diffy)*255， i,j分别为图像的高和宽，max(diffy)为diffy中的最大值。

优选地，步骤S4中计算阈值的方法是：将灰度图像gray_diff模糊 化，计算图像的模糊熵，通过设定模糊熵最大时的参数选择得到最优 阈值。

优选地，步骤S5中明显偏离模型的点为：与该高斯模型均值的差 值在3倍方差范围外。

优选地，步骤S6中，清晰区域的期望灰度值：

方差：

其中，H、W分别为图像的高和宽。

优选地，步骤S7中，用深度优先的方法进行区域生长。

（三）有益效果

本发明的上述技术方案具有如下优点：基于DCT和区域生长的白 粉虱图像分割方法方法模仿人的信息处理功能，先通过清晰度特征粗 略找出感兴趣区域，然后结合害虫图像局部聚合度较高的特性，利用 区域生长方法提取完整害虫目标。

附图说明

图1是本发明基于DCT和区域生长的白粉虱图像分割方法的流程 示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细 描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

根据本发明提出了一种基于DCT和区域生长的白粉虱图像方法， 包括步骤：

1、一种基于DCT和区域生长的白粉虱图像分割方法，其特征在 于，包括步骤：

S1、将图像转换到灰度空间，对灰度图像y进行中值滤波去噪得 到y1；

S2、将y1用8*8模板做离散余弦变换得到dct1，截断dct1的高频 信号，然后进行反离散余弦变换，重新将图像转换到灰度空间，得到 灰度图像y2；

S3、令差值图像diffy=|y-y2|；

S4、将diffy归一化后投影到灰度空间得到灰度图像gray_diff，计 算灰度图像的模糊熵，通过最大化模糊熵得到分割阈值，将图像分割 成清晰区域和模糊区域，得到二值图像binary；

S5、在原始图像中标记清晰区域并建立灰度值高斯模型，对标记 的清晰区域进行自检测，剔除那些明显偏离模型的点，得到最终的清 晰区域，开闭运算去噪，消除离散噪声点，得到起始生长区域binary1；

S6、计算binary1中清晰区域的期望灰度值μ和方差σ；

S7、从binary1标记的起始生长区域开始生长，将邻域灰度相似的 点标记为生长区域，即邻域的灰度值和清晰区域的期望灰度值μ的差 值在一定方差范围内，并从该点继续生长；否则，找到下一个没有标 记的生长点进行生长，直到全部标记完成，从背景和叶片中分离出病 虫目标。

其中，步骤S2中截断高频信号的方法是：计算8*8模板在原始图 像中对应的像素灰度值之和，记为gray，一般来说，高频信号远低于 低频信号，因此将截断高频信号的阈值设置为gray/2。

其中，步骤S4中将diffy归一化后投影到灰度空间得到灰度图像 gray_diff的计算方法是：gray_diff(i,j)=diffy(i,j)/max(diffy)*255，i,j 分别为图像的高和宽，max(diffy)为diffy中的最大值。

其中，步骤S4中计算阈值的方法是：将灰度图像gray_diff模糊化， 计算图像的模糊熵，通过设定模糊熵最大时的参数选择得到最优阈值。

其中，步骤S5中明显偏离模型的点为：与该高斯模型均值的差值 在3倍方差范围外。

其中，步骤S6中，清晰区域的期望灰度值：

方差：

其中，H、W分别为图像的高和宽（正确）。

其中，步骤S7中，用深度优先的方法进行区域生长。

如图1所示，白粉虱图像分割方法具体过程如下：

1、将图像转换到灰度空间，对灰度图像y进行中值滤波去噪得到 y1；

2、将y1用8*8模板做离散余弦变换得到dct1，计算8*8模板在 原始图像y1中对应的像素灰度值之和，记为gray，一般来说，高频信 号远低于低频信号，因此将截断高频信号的阈值设置为gray/2。截断 dct1的高频信号，然后进行反离散余弦变换，重新将图像转换到灰度 空间，得到灰度图像y2；

3、令差值图像diffy=|y-y2|；

4、将diffy归一化后投影到灰度空间得到灰度图像gray_diff，其 中gray_diff(i,j)=diffy(i,j)/max(diffy)*255，i,j分别为图像的高和宽， max(diffy)为diffy中的最大值；将灰度图像gray_diff分割成清晰区域 和模糊区域的阈值假设为x（0≤x≤255），则图像gray_diff的模糊熵 为：

$H\left(x\right)=-\sum _{i=0}^x{{\mathrm{hist}}_i}^{*}x/{225}^{*}\ln (x/255)-\sum _{i=x+1}^{255}{{{\mathrm{hist}}_i}^{*}(1-x/255)}^{*}\ln (1-x/255)$

其中，hist_i为灰度图像gray_diff中灰度值为i的像素数；

通过最大化模糊熵H(x)得到阈值x，从而将图像分割成清晰区域 和模糊区域，得到二值图像binary；

5、对二值图像binary中的清晰区域按照灰度建立高斯模型 gauss(μ，σ)，μ为清晰区域的灰度平均值，σ为方差；并对模型进 行自检测，剔除那些明显偏离模型的点，即|a_i-μ|>3*σ，其中，a_i为像 素灰度值，得到最终的清晰区域，开闭运算去噪，消除离散噪声点， 得到起始生长区域binary1；

6、计算binary1中清晰区域的期望灰度值μ和方差σ：

其中，H、W分别为图像的高和宽；

7、从binary1标记的起始生长区域，用深度优先的方法进行生长， 将邻域灰度相似的点标记为生长区域，即邻域的灰度值和清晰区域的 期望灰度值μ的差值在3倍方差范围内，并从该点继续生长；否则， 找到下一个没有标记的生长点进行生长，直到全部标记完成，从背景 和叶片中分离出病虫目标。

本发明对病虫害图像分割具有通用性，但由于产品种类很多，因 此本发明只举一个用于白粉虱图像分割的实施实例，其它病虫害图像 分割可以参照该实施实例的方法，具体针对所识别的病虫害，改变相 关参数，就可以对新的病虫害图像进行分割。

本发明与人工分割相比，结果更客观公正，能适应田间开放环境， 并且分割速度快，分割结果稳定，更有利于与后期的精准施药相结合。 将机器视觉用于病虫害图像识别过程中，既可以让人们从复杂枯燥的 工作中脱离出来，又可以更加快速准确的得到病虫害的危害程度，提 高识别的精度和鲁棒性，该发明可以应用于田间开放环境中的病虫害 自动化分割与识别、精准施药中。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领 域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以 做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。