资源描述：
《模糊边缘检测算法在储粮害虫图像中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、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
2、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
3、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
4、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
5、金资助项目（2003A001）。取等图像分析的重要基础，边缘检测（edgedetection）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
6、子作了简述并对粮虫图像分别进行了处理。2.1Roberts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。算子运算类似卷积：将模板在图像上移动并在每个位置计算对应中心像素的梯度值，即用两个卷积核对每个像素进行卷积运算。卷积核如图1所示：0110-100-1图1Ro
7、bert算子卷积核３.2Sobel算子Sobel梯度算子是先做成加权平均，再微分，然后求梯度，即：△xf(x,y)=f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)-f(x-1,y-1)-2f(x,y-1)-f(x+1,y-1);（２）△yf(x,y)=f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)-f(x+1,y-1)-2f(x+1,y)-f(x+1,y+1);（３）G[f(x,y)]=
8、△xf(x,y)
9、+
10、△yf(x,y)
11、（４）其中G[f（x，y）]即为梯度值。其卷积核如图2所示：-1-2-1-1
12、01000-202121-101图2Sobel算子卷积核3．模糊边缘检测算法边缘的模糊性是广泛存在的，因此很多研究者提出了大量的模糊边缘检测算法，其中，2[7]国外学者Pal和King提出的模糊边缘算法较有代表性，其中心
