基于局部特征的稻田飛虱檢測方法的研究.pdf

1、浙江理工大學(xué)學(xué)位論文獨創(chuàng)性聲明本人聲明醑呈交的學(xué)f ：王論文是灰人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。除’了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得浙江理工大學(xué)或其他教育機構(gòu)的學(xué)位或證書霞袋嗣過的材料。與我，一罱工作壹勺同志叉：j - 本研究所做的任簿貢獻均已在論文中作了明確的說暑翻并表示謝意。學(xué)位論文作者簽名：麥，．電簽字匿痧： 2 ，，≯，冬． ；，曩 f 。露摘 要稻飛虱

2、是我國水稻上重要的一類遷飛性害蟲，一般集中在水稻中下部為害。掌握稻飛虱田間種群密度動態(tài)變化是準確進行稻飛虱預(yù)測預(yù)報和合理防治的關(guān)鍵。目前，我國稻飛虱田間測報調(diào)查方法主要采取目測法、掃網(wǎng)法和盤拍法。這些方法存在著勞動強度大、計數(shù)準確性差和耗時久的問題，為了減輕植保人員田間飛虱調(diào)查的勞動強度、提高效率和準確性，劉慶杰等【l 】利用圖像處理技術(shù)來檢測水稻基部飛虱與計數(shù)。本文在劉慶杰等的基礎(chǔ)上，繼續(xù)深入研究基于圖像局部特征的水稻飛虱檢測算法。主

3、要研究內(nèi)容和結(jié)果包括：( 1 ) 在水稻基部白背飛虱第一層檢測算法的研究中，本文研究了訓(xùn)練樣本的大小、數(shù)量和負樣本的選擇等不同組合下，訓(xùn)練基于h a a r 特征的A d a B o o s t 分類器，并用田間飛虱圖像進行測試，從中選擇最優(yōu)的分類器作為第一層的飛虱檢測器，該分類器的檢測率為8 5 ．3 ％，誤檢率為9 9 ．1 ％。( 2 ) 由于第一層有很多的非飛虱被檢測出來，造成較大的誤檢率，因此對水稻基部白背飛虱進行了第二層檢測

4、算法的研究。首先對第一層檢測的子圖像利用四種圖像分類算法S P M ( S p a t i a lP y r a m i dM a t c h i n g ) 、S c S P M ( L i n e a rS p a t i a lM a t c h i n gU s i n gS p a r s eC o d i n gf o ri m a g ec l a s s i f i c a t i o n ) 、L L C ( L i

5、n e a rL o c a l i t yC o d i n gf o ri m a g ec l a s s i f i c a t i o n )和o p p o n e n t c o l o r s i f l 融合H O G 的S V M 算法進行分類：統(tǒng)計分類結(jié)果的檢測率和誤檢率，并進行分析和評價。結(jié)果表明基于o p p o n e n t c o l o r s i f t 和H O G 特征融合下的S V M 分類器具

6、有較好的分類效果。本文在第一層檢測得到子圖像的基礎(chǔ)上，對子窗口圖像采用p y r a m i d d e n s e 采樣，并用o p p o n e n t c o l o r 描述；然后利用b a g - o f - w o r d s 算法對圖像中飛虱子窗E l 提取詞袋特征，結(jié)合H O G ( h i s t o g r a mo f g r a d i e n t s ) 描述符描述子圖；最后，用S V M 分類器對飛虱子圖像