棉花害虫识别分类方法及装置制造方法及图纸

本发明专利技术实施例提供了一种棉花害虫识别分类方法及装置，所述方法获取包含有待分类棉花害虫的原始图像，获取原始图像的Hu不变矩参数以及待分类棉花害虫的整体轮廓特征参数；基于Otsu阈值分割算法和Canny边缘检测算法将待分类棉花害虫图像与原始图像的背景分离，从原始图像中提取翅膀图像，根据翅膀图像得到待分类棉花害虫的翅膀轮廓特征参数；采用数学形态学算法对翅膀图像进行优化，并提取待分类棉花害虫的翅膀对应的数学形态特征参数；利用径向基函数神经网络对待分类棉花害虫进行识别分类。这种方法及装置，使得棉花害虫的识别分类更加准确，进而对棉花害虫的针对性防治有着重大的作用，降低了棉花害虫导致的经济损失。

【技术实现步骤摘要】
棉花害虫识别分类方法及装置
本专利技术实施例涉及数字图像处理
，更具体地，涉及棉花害虫识别分类方法及装置。
技术介绍
棉花是重要的经济作物，随着棉业的迅速发展，棉花科技也取得了新突破；但是，棉花病虫害防治技术却始终进步不大，使棉花病虫害造成的损失巨大。棉田中的害虫种类多、数量大，棉花害虫落后的识别方式是导致棉花病虫害防治技术发展缓慢的重要原因，而且目前的有关棉花病虫识别分类方法单一，缺乏科学合理准确的棉花害虫分类方法。现有技术中提供了一种对棉蚜的识别分类方法，通过尺度不变特征变换(Scale-invariantfeaturetransform，SIFT)和加速鲁棒特征(SpeededUpRobustFeatures，SURF)两种局部特征算子提取棉蚜图像中的突出特征点，在特征点空间上比较特征点描述符的欧氏距离来度量不同类别对象之间的相似性，以实现对棉蚜的识别分类。由于这SIFT和SURF两种局部特征算法皆是针对灰度图像进行操作，对于轮廓的描述能力不够强，对于背景复杂的昆虫图像识别效果较差。而且，采用欧氏距离来度量不同类别对象之间的相似性，仅仅从理论上考虑了不同类别对象之间的距离本文档来自技高网...

【技术保护点】
1.一种棉花害虫识别分类方法，其特征在于，包括：S1，获取包含有待分类棉花害虫的原始图像，并获取所述原始图像的Hu不变矩参数；S2，基于Canny边缘检测算法，获取所述待分类棉花害虫的整体轮廓特征参数，并基于Otsu阈值分割算法和Canny边缘检测算法，获取所述待分类棉花害虫的翅膀图像，并从所述翅膀图像中提取所述待分类棉花害虫的翅膀轮廓特征参数；S3，基于数学形态学算法，对所述翅膀图像进行优化，并基于优化后的所述翅膀图像，确定所述待分类棉花害虫的翅膀对应的数学形态特征参数；S4，基于模糊聚类FCM算法对所述Hu不变矩参数、所述整体轮廓特征参数、所述翅膀轮廓特征参数和所述数学形态特征参数进行处理...

【技术特征摘要】
1.一种棉花害虫识别分类方法，其特征在于，包括：S1，获取包含有待分类棉花害虫的原始图像，并获取所述原始图像的Hu不变矩参数；S2，基于Canny边缘检测算法，获取所述待分类棉花害虫的整体轮廓特征参数，并基于Otsu阈值分割算法和Canny边缘检测算法，获取所述待分类棉花害虫的翅膀图像，并从所述翅膀图像中提取所述待分类棉花害虫的翅膀轮廓特征参数；S3，基于数学形态学算法，对所述翅膀图像进行优化，并基于优化后的所述翅膀图像，确定所述待分类棉花害虫的翅膀对应的数学形态特征参数；S4，基于模糊聚类FCM算法对所述Hu不变矩参数、所述整体轮廓特征参数、所述翅膀轮廓特征参数和所述数学形态特征参数进行处理，并将处理后的四类参数输入至径向基函数神经网络，由所述径向基函数神经网络输出所述待分类棉花害虫所属类别。2.根据权利要求1所述的方法，其特征在于，S2中所述基于Canny边缘检测算法，获取所述待分类棉花害虫的整体轮廓特征参数，具体包括：S201，基于一阶差分算子，分别获取所述原始图像中第一方向上像素灰度值的第一梯度幅值分量和第二方向上像素灰度值的第二梯度幅值分量，其中，所述第一方向和所述第二方向相互垂直；S202，基于所述第一梯度幅值分量和所述第二梯度幅值分量，确定所述原始图像中每一像素的梯度幅值和每一像素对应的梯度方向，所述梯度方向上所述梯度幅值最大的像素为所述原始图像的边缘像素，所述原始图像的所有边缘像素构成边缘图像；S203，遍历所述边缘图像中的每一像素，基于每一像素的梯度幅值与每一像素对应的梯度方向上相邻两个像素的梯度幅值之间的大小关系，将所述原始图像的边缘轮廓细化为一个像素宽度，并获取边缘轮廓图像；S204，基于Canny边缘检测算法，采用自适应阈值提取所述边缘轮廓图像的整体轮廓特征参数，并将所述边缘轮廓图像的整体轮廓特征参数作为所述待分类棉花害虫的整体轮廓特征参数。3.根据权利要求2所述的方法，其特征在于，S204中所述自适应阈值具体通过如下方式获取：S2041，基于阈值估计值对所述原始图像进行分割，将所述原始图像中的像素按像素灰度值的大小分为第一组和第二组；其中，所述第一组中各像素的像素灰度值均大于或等于预设数值，所述第二组中各像素的像素灰度值均小于所述预设数值；S2042，分别计算所述第一组中所有像素的第一平均像素灰度值和所述第二组中所有像素的第二平均像素灰度值，计算所述第一平均像素灰度值和所述第二平均像素灰度值的平均值；S2043，若所述预设数值与所述平均值之差小于所述阈值估计值，则将所述预设数值作为所述自适应阈值，否则更新所述预设数值，并重复执行S2041和S2042，直至所述预设数值与所述平均值之差小于所述阈值估计值。4.根据权利要求2所述的方法，其特征在于，S201之前还包括：基于开关型中值滤波算法，去除所述原始图像中的脉冲噪声，得到去噪声图像；基于高斯平滑滤波器，对所述去噪声图像进行模糊化处理，得到平滑图像。5.根据权利要求2所述的方法，其特征在于，所述基于Otsu阈值分割算法和Canny边缘检测算法，获取所述待分类棉花害虫的翅膀图像，并从所述翅膀图像中提取所述待分类棉花害虫的翅膀轮廓特征参数，具体包括：在...

【专利技术属性】
技术研发人员：曲海平，张颖，岳峻，李振波，寇光杰，张志旺，
申请(专利权)人：鲁东大学，
类型：发明
国别省市：山东,37