模糊边缘检测算法在储粮害虫图像中的应用.pdf

模糊边缘检测算法在储粮害虫图像中的应用 周 龙 卢亚玲 谢兆鸿 （武汉工业学院电气信息工程系，邮编：430023 ） 摘要：介绍了基于机器视觉的储粮害虫检测方法，论述了粮虫图像边缘检测是该方法的关键。 对 Roberts 算子和 Sobel 算子在粮虫图像边缘检测中的应用作了简要介绍，在此基础上，文 中提出了一种基于模糊理论的边缘检测方法，计算表明，该方法对粮虫图像边缘检测的效果 较好。 关键词：机器视觉、边缘检测、储粮害虫 1 概述 我国是农业大国，粮食产后储藏期间,储粮害虫造成的为害十分严重。并且，近年来储 粮害虫的种类和密度呈上升趋势，致使储粮损失更加严重。为了有效防治害虫，就要预测它 们发生趋势﹑数量﹑种群动态及潜在为害，而且也要评估各项防治措施和策略所得到的不同 [1] [2] [3] 预期结果。 目前，国内外在检测储粮害虫方面主要有扦样法 、诱集法 、近红外法 、声 [4，5] [6] 信号 和图像识别法 等几种方法，其中有些方法由于人工检测的效率低下、信息素的合 成困难、以及干扰等原因，不能准确地在线检测出粮虫的种类、密度等信息，难以满足粮库 害虫检测的要求。随着计算机技术、信息处理、模式识别、智能检测等技术的发展，基于机 器视觉的图像识别检测方法得到了快速的发展，成为粮虫智能检测方法的发展方向。 基于机器视觉的储粮害虫图像识别检测系统中，机器视觉系统采用 CCD 照相机摄取粮仓 害虫检测图像，并转化为数字信号，再采用先进的计算机硬件与软件技术，运用数字信号处 理技术、计算机图像处理与分析技术、模式识别等技术，结合数学形态学的某些技术手段和 专家系统技术，通过对储粮粮虫的图像采集、图像数字转化、性状识别和分析，使计算机能 自动提取粮仓害虫的形态性状、智能识别害虫种类，并能对害虫的数量自动计数，从而可以 输出数据、发出指令，构成科学保粮专家系统的主要部分。 与其它粮情测控系统相比，基于机器视觉的在线粮库虫情测报系统最大优点是精确，快 速，可靠，更易操作。在基于机器视觉的储粮害虫图像识别检测系统中，储粮害虫图像边缘 检测算法是关键，因为边缘检测算法的正确性直接关系着特征参数提取的有效性，从而决定 着识别与分类的正确性和系统决策的正确性。所以本文主要研究储粮害虫图像边缘检测算 法。 2 常规图像边缘检测算法 所谓边缘 （edge ）是指图像局部亮度变化最显著的部分。边缘主要存在于目标与目标、 目标与背景、区域与区域 （包括不同色彩）之间，是图像分割、纹理特征提取和形状特征提 1 基金项 目：湖北省 自然科学基金资助项目 （编号：2003ABA053）；武汉市青年科技晨 光计划资助项目 （编号：20035002016_09）;湖北省教育厅基金资助项目 （2003A001）。 取等图像分析的重要基础，边缘检测（edge detection ）常常是图像分析和理解的第一步。 在储粮害虫图像处理中，对 CCD 获取的原始采样图像进行滤波和图像增强后，需要通 过边缘检测分离出害虫，并在此基础上提取害虫形态特征。 由于粮样的多样性和害虫形态的各异性，图像边缘检测的算法也不尽相同，也就是说 对于特定的粮样和特定害虫，存在某种边缘检测算法处理效果最好。所以为了扩大系统的应 用面和系统的灵活性，本系统设计了多种边缘检测算法。 边缘检测算法中广泛应用的有 Roberts 算子和 Sobel 算子等，因此，这里对这两种算子 作了简述并对粮虫图像分别进行了处理。 2.1 Roberts 算子 Roberts算子是一种利用局部差分算子寻找边缘的算子,其表达式由（１）所示： g(x,y)={(sqr(f(x,y)-sqr(f(x+1,y+1))* (sqr(f(x,y)-sqr(f(x+1,y+1))) + sqr{sqr(f(x,y)-sqr(f(x+1,y+1)) （１） 其中 f（x，y）是具有整数像素坐标的输入图像