基于圖像的水稻冠層稻縱卷葉螟飛蛾及其為害狀識別與診斷的研究.pdf

1、稻縱卷葉螟是危害水稻的一種重要害蟲。目前，我國對稻縱卷葉螟的測報方法仍停留在人工下田趕蛾計數(shù)和卷葉率調(diào)查階段，存在效率低、工作量大和人工誤差等問題。李洋在稻縱卷葉螟飛蛾視頻跟蹤與計數(shù)中的研究結果表明：可以跟蹤到72.2％的飛蛾目標，同時75.9%的非目標被誤認為飛蛾目標，飛蛾目標誤檢率比較高。本論文在李洋的基礎上，繼續(xù)利用圖像處理的方法來探討田間趕蛾法中飛蛾目標的自動跟蹤與計數(shù)和為害狀等級的自動判斷。論文主要研究內(nèi)容、方法和結果如下：<

2、br>　?。?）利用復雜背景下運動目標跟蹤技術來研究稻縱卷葉螟飛蛾的跟蹤與計數(shù)。由于使用竹竿撥動水稻趕蛾，所以視頻圖像中存在很多運動目標，其中包括稻縱卷葉螟飛蛾目標和擺動的水稻稻葉、其它飛蟲等偽目標。本論文首先通過三幀差分法提取視頻中運動目標；然后，利用RGB顏色空間模型進行背景過濾，去除背景噪聲，并通過顏色閾值二值化處理當前視頻幀，突出運動目標區(qū)域；最后提取目標區(qū)域顏色特征，利用SVM分類器實現(xiàn)飛蛾目標和偽目標的識別。由于飛蛾在視頻幀

3、中要持續(xù)飛行一段時間，因此本論文利用粒子濾波與卡爾曼濾波跟蹤技術，對每個視頻幀檢測到的目標進行跟蹤，通過初始化目標位置，預測目標位置，更新濾波器參數(shù)等來實現(xiàn)稻縱卷葉螟飛蛾目標的跟蹤與計數(shù)。跟蹤與計數(shù)的結果表明：跟蹤到77.1%的飛蛾，同時，34.5%的非目標被誤認為飛蛾目標。
　?。?）利用基于全局對比度的顯著性分割算法與超顏色空間分割算法相結合分割出稻縱卷葉螟的為害狀區(qū)域，使用圖像內(nèi)為害狀區(qū)域占圖像整體區(qū)域的比例來為稻縱卷葉螟的