谷物害虫图像识别中特征值提取技术的研究_甄彤
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
":%4’&(4;
1SCV I?IAJ IJAVA9K KSA P8LIBKAJ3?CQAQ QC:CK?N CL?:A IJ8PAVVC9: KAPS9CDBA C9 KSA PN?VVC@CP?KC89 ?9Q CQA9KC@C* XCKS JA@AJA9PA K8 KSA @CVK 8JQAJ :J?W SCVK8:J?L 8@ IAVK CL?:AV ?9Q KSACJ :J?ISCP K?J:AK
仓储物害虫 # 以下简称仓虫 $ 是昆虫种类中的一 个重要分支 ! 生 活 或 栖 息 于 仓 库 储 备 物 资 中 的 害 虫 ! 直接危害仓储物以及其包装 " 据有关资料报道 ! 仅以粮食一项来说 ! 全世界每年至少有 %& # !’& 的粮食被害虫糟踏 ! 如果人力 $ 物力和技术跟不上 ! 防治不及时 ! 造成的损失可高达 "’& %(’&" 因此 ! 许多昆虫研 究 人 员 致 力 于 仓 虫 的 监 测 和 识 别 的 研 究 " 传统仓虫分类的主要方法是以其外部形状特征 为依据 ! 借助显微镜通过观察昆虫的整体颜色 $ 斑 点 $ 花纹特征以及触角 $ 头部 $ 背部 $ 腹部 $ 口 器 $ 复 眼 $ 腿部 $ 翅 $ 毛和刺的形态结构 特 征 ! 与 已 有 准 确
值直方图和图像的目标区域 ! 自动提 , 取静态仓储物害虫图像的数理统计特征 " 纹理特征和几何形状特 征 的 主 要 技术和方法 # 试验结果表明 ! 该方法可以为谷物害虫的计算机自动模式识别 / 快速分类 0 提供稳定的特征参数值 ! 有 效地提高了识别率 $ 该方法为仓储物害虫的快速鉴定和分类研究开辟了新的途径 $ 关键词 ! 仓储物害虫 ! 数理统计特征 ! 纹理特征 ! 几何形状特征 ! 模式识别 中图法分类号 ! 1+(2! 文献标识码 ! " 文章编号 ! $%""&’()%&!%%# ’!"&!!!3’%
!""# 年第 !! 卷第 !"期
微电子学与计算机
!!!
谷物害虫图像识别中特征值提取技术的研究
甄彤 !"# 范艳峰 # 邹炳强 $ 唐建国 #
&! 华中科技大学控制科学与工程系 ! 湖北 武汉 ,(’’-, ’ &" 河南工业大学计算机科学系 ! 河南 郑州 ,%’’%" ’ &( 山东信息职业技术学院 ! 山东 潍坊 ".!’.! ’ 摘 要 ! 本文阐述了 在 仓 储 物 害 虫 分 类 识 别 研 究 中 利 用 计 算 机 数 字 图 像 处 理 技 术 ! 对 谷 物 害 虫 图 像 的 一 阶 灰 度
灰值游程距阵纹理特征
所谓纹理是一种反映一个区域中像素灰度级
的空间分布的属性 ! 是识别对象的主要依据之一 " 在图象的被检测区域里 ! 连续的 # 共线的 # 并且具有 相同灰值 $ 或灰值 档 % 的 像 素 点 数 称 为 该 灰 值 的 游 程长度 ! 而灰值游程矩阵 *,!-的元素 +,- 是检测区域 里在 ! 角方向上灰值为 , $ 行 % 而游程长度为 - $ 列 % 的像素点串出现的次数 " 这 里 图 象 区 域 中 灰 值 , 有 % #!#"#0#1#2 #3#/ 共 4 级 !其游程长度 - 是 !$"23 共 "23 档 ! 所以灰值 游程矩阵 *,!’ 为 4%"23 矩阵 ! 当 ! &%’ #12’ #5%’ #!02’ 时 !*,!’分别为 & *,%’ #*,12’#*,5%’#*,!02’" 下 面 对 * ,!’ 的 数 学 统 计 量 特 征 进 行 提 取 $ 这 里 设 ", 为图象区域里的灰级数目 !"- 为其游程长度的 数目 !& 为该区域里的像素总数 %&
<$= >*’6%; OK8JA3IJ8QBPK +AVK; ^?KSAL?KCP?N ?9Q OK?KCVKCP 6C:A9U?NBA; 1A\KBJA 6C:A9U?NBA; EA8LAKJCP?N M89@C:BJ?KC89
1SCV
<A?KBJA; I?KKAJ9 JAP8:9CKC89
! 引言
P?KC89 8@ VK8JAQ3IJ8QBPK IAVKZ
R89AV; ? 9A[ KAPS9CDBA ?9Q LAKS8Q ?JA IJ8UCQAQ K8 A\KJ?PK KSA L?KSAL?KCP?N ?9Q VK?KCVKCP AC:A9U?NBA; KA\KBJA AC:A9U?NBA ?9Q :A8LAKJCP?N P89@C:BJ?KC89 @A?KBJAV 8@ KSA IAVKV ?JA ?PDBCJAQZ =V A\IAJCLA9KV QAL89VKJ?KAV; KSCV QC:CK?N CL?:A IJ8PAVV* C9: KAPS9CDBA P?9 JAUA?N ? J?9:A 8@ JANC?]NA AC:A9U?NBA ?9Q A@@APKCUANW C9PJA?VA KSA A@@CPCA9PW 8@ CQA9KC@CP?KC89Z KAPS9CDBA S?V ]AP8LA ? 9A[ UASCPNA K8 KSA PN?VVC@CP?KC89 ?9Q CQA9KC@CP?KC89 8@ VK8JAQ3IJ8QBPK IAVKZ
#$%$&’() *+ ,-.$/0&12$ ,34’&(4-*/ -/ 4)$ 56$/4-+-(&4-*/ *+ 7’&-/ 8$%4 59&.$%
4567 189:!;"; <=7 >?9*@A9:"; 48B *C9:*DC?9:(; 1=7E FC?9*:B8"
G! HAI?JKLA9K 8@ M89KJ8N OPCA9PA ?9Q 69:C9AAJC9:; 5B?RS89: T9CUAJVCKW 8@ OPCA9PA ?9Q 1APS98N8:W; XBS?9 ,(’’-, MSC9? 0 G" M8LIBKAJ OPCA9PA HAI?JKLA9K; 5A9?9 T9CUAJVCKW 8@ 1APS98N8:W; 4SA9:RS8B ,%’’%" MSC9?0 G( OS?9Q89: M8NNA:A 8@ Y9@8JL?KC89 1APS98N8:W; XAC@?9: ".!’.! MSC9?0
+), 偏 度 & 扭 曲 度 ’’ 是 对 图 像 灰 值 分 布 偏 离 对 称情况的一种度量2 ’/ ! ")
!1!
!+"(!, %+",
) "/#
+.,
+., 峰值 ) 描述图像灰值分布是聚集在均值附
近!还是散布在端;.
!1!
!+"(!, %+",
. "/#
+$,
+$, 如果图像灰值是等概率分布的 !则具有 最 小 的能量 *+,&-.$
收稿日期 + !%%,&%-&’% 基金项目 + 河南省自然科学基金资助 &’(",""’’"- ’ 河南省科技攻关项目资助 &’,",""’!)2 ’
记录的模式标本进行对照鉴别 " 形态分类法简便易 行 ! 但必须由专业人员来进行 " 近年来 !随着计算机 技术应用领域的不断扩展 ! 计算机自动模式识别方 法也取得了令人满意的结果 " 图像是人类获取和交换信息的主要来源 ! 人类 感知外界信息 !)’& 以上是通过视觉得到的 " 因此 ! 图像处理 的 应 用 领 域 必 然 涉 及 到 人 类 生 活 和 工 作 的方方面面 " 然而 ! 图像数字技术在农业中的应用 程度要远远落后于工业 ! 在仓储害虫方面的应用就 更少了 ! 因此对仓储害虫自动识别进行深入研究具 有重要意义 " 本文利用计算机图像处理技术 ! 对获 取的谷物害虫数字图像进行预处理后 ! 根据静态谷 物害虫图 像 的 一 阶 灰 值 直 方 图 和 图 形 的 目 标 区 域 自动提取 图 像 的 一 阶 灰 值 统 计 量 和 几 何 形 状 等 数 理统计特征 ! 然后采用 *+ 神经网络进行分类识别 "
程长度 # 灰 度 值 的 不 均 匀 度 量 和 游 程 长 度 的 百 分 率, % 几何特征 ) 个 +区域面积 #周长和长宽比, "
!/!"&%+",
"/#
+",
+", 方差 "!& 灰值分布的 & 阶中心距 ’ 是对图像 灰值分布离散性的度量2
!1!
"!/!+"1!,&%+",
"/#
+),
!!7
./1#
,0! -0!
&
&!!-
式中 !2 是检测区域里的像素总数 " 如果检测区 域里有较长的线性纹理 ! 必然导致总游程数 2 比较 小 ! 因而统计量特征 ./1 有较小的值 ’ 反之 ! 若无较 长的线性纹理 ! 则 ./1 较大 " 所以 !./1 可以直接反 映线性纹理的情况 "
!"!
!!"
微电子学与计算机
!""# 年第 !! 卷第 !" 期
人眼对彩色的分辨率大大高于对黑白图像的 分辨率 ! 彩色图像所带的信息 ! 远远大于灰度图像 " 在计算机图像处理中 ! 颜色的特征提取占有很重要 的地位 " 人眼能真实感受到的景物是真彩色图像 ! 真彩色图像的显示过程是三基色合成的过程 ! 一般 采用红 #绿 # 蓝作为三基色 " 彩色数字图像中像素的 颜色最直接的表示方法是使用红 # 绿 # 蓝的亮度值 ! 大小限定到一定范围 !如 #$"$$" 三色图像的灰度级 直方图是 %&’ 空间的点分布 " 本文采用彩色图像 的 % #&#’ 三种分量灰值图像 ! 增加了特征向量的 维数 ! 提高了仓储物害虫的识别率 " 本文采用数码照相机拍摄的谷物害虫静态照 片 ! 如图 ! 中所示的三种 !" 个谷物害虫样本图像 ! 生成 "$( 级彩色灰值图像 " 首先 ! 我们得到各图像 的 % 分量灰值图像 #& 分量灰值图像和 ’ 分量灰值 图像 ! 如图 " 所示 " 然后采用平滑和锐化技术对获 取的谷物害虫图像 进 行 预 处 理 ! 如 图 ) 所 示 ! 以 增 强谷物 害 虫 图 像 本 身 与 背 景 的 反 差 和 整 幅 图 像 的 清晰度 " 然后采用全局阈值方法对增强后的谷物害 虫图像进行区域分割 ! 在此基础上自动提取其特征 值 " (* 个谷物害虫图像的特征值如下提取 $% #& #’ 三 种 分 量 灰 值 图 像 的 一 阶 灰 度 值 统 计 量 特 征 ) %( 个 + 均值 # 方差 # 偏度 # 峰值 # 能量和熵 , %% #& #’ 三种 分 量 灰 值 图 像 的 灰 值 游 程 距 阵 纹 理 特 征 ) %!( 个
!"# 几何特征
在许多模式识别的问题中 ! 几何特征往往是非 常重要的 " 它描述目标区域的几何性质 ! 与区域的 灰值大小无关 " 所以在对目标区域提取几何特征之 前先对其进行二值化处理 ! 并在目标区域边缘检测 的基础上 ! 使用链码表示区域边界 " 这 里 !目 标 区 域 由 离 散 的 方 格 来 采 样 !区 域 边 界轮廓 线 由 相 邻 边 界 象 素 点 之 间 的 短 连 线 逐 段 相 连而成 " 短连线的斜率仅可能有八个方向 ! 即 %’ #
%+",/
#+", !"/#0!0 (! !1! +!, $ 以 " 为横坐标 !% +", 为纵 坐 标 ! 就 得 到 一 阶 灰 值
直方图 ! 也就是灰值的一阶概率分布 " 根据图像的 一阶灰值直方图可提取下列数学统计量特征 "
+!, 灰度的均值 !& 灰值分布对原点的 & 阶距 ’$
!1!
+#-#.$-#*#-#!)$- 四个不同方向的短游程长度 # 长游
!1!
/+,&-./!3%+",4"
"/#
+(,
+(, 如果图像灰值是等概率分布的 ! 则具有最大 的熵 /+0&1%.$
!""# 年第 !! 卷第 !"期
($!
微电子学与计算机 计量 !即游程长度的百分率为 &
", "1 ,-
!!0
!"#$%&’#$!&&)’()*+&,)-.
)#%
,/-
这里使用直方图的某些数学统计量作为特征 ! 不但数目少 ! 而且对谷物害虫图像的灰值一阶概率 分布的描述更加明确 "
! 特征提取 !"# 一阶灰值统计量特征
在数字图像处理中 ! 一种最简单而最有用的工 具是灰 度 直 方 图 " 它 概 括 了 一 幅 图 像 的 灰 度 级 内 容 " 灰度直方图是灰度级的函数 ! 描述的是图像中 具有该灰度级的像素的个数 $ 其横坐标是灰度级 ! 纵坐标是该灰度出现的频率 &像素的个数 ’" 设图像 灰值量化为 ! 个灰级 ! 令 "/#0!0"0 ( 0 !1!! 第 " 个灰级 的象素总数为 #+", ! 而整幅图像的象素总数为 $ ! 那 么 ! 灰级 " 出现的概率为 $
1SCV I?IAJ IJAVA9K KSA P8LIBKAJ3?CQAQ QC:CK?N CL?:A IJ8PAVVC9: KAPS9CDBA C9 KSA PN?VVC@CP?KC89 ?9Q CQA9KC@C* XCKS JA@AJA9PA K8 KSA @CVK 8JQAJ :J?W SCVK8:J?L 8@ IAVK CL?:AV ?9Q KSACJ :J?ISCP K?J:AK
仓储物害虫 # 以下简称仓虫 $ 是昆虫种类中的一 个重要分支 ! 生 活 或 栖 息 于 仓 库 储 备 物 资 中 的 害 虫 ! 直接危害仓储物以及其包装 " 据有关资料报道 ! 仅以粮食一项来说 ! 全世界每年至少有 %& # !’& 的粮食被害虫糟踏 ! 如果人力 $ 物力和技术跟不上 ! 防治不及时 ! 造成的损失可高达 "’& %(’&" 因此 ! 许多昆虫研 究 人 员 致 力 于 仓 虫 的 监 测 和 识 别 的 研 究 " 传统仓虫分类的主要方法是以其外部形状特征 为依据 ! 借助显微镜通过观察昆虫的整体颜色 $ 斑 点 $ 花纹特征以及触角 $ 头部 $ 背部 $ 腹部 $ 口 器 $ 复 眼 $ 腿部 $ 翅 $ 毛和刺的形态结构 特 征 ! 与 已 有 准 确
值直方图和图像的目标区域 ! 自动提 , 取静态仓储物害虫图像的数理统计特征 " 纹理特征和几何形状特 征 的 主 要 技术和方法 # 试验结果表明 ! 该方法可以为谷物害虫的计算机自动模式识别 / 快速分类 0 提供稳定的特征参数值 ! 有 效地提高了识别率 $ 该方法为仓储物害虫的快速鉴定和分类研究开辟了新的途径 $ 关键词 ! 仓储物害虫 ! 数理统计特征 ! 纹理特征 ! 几何形状特征 ! 模式识别 中图法分类号 ! 1+(2! 文献标识码 ! " 文章编号 ! $%""&’()%&!%%# ’!"&!!!3’%
!""# 年第 !! 卷第 !"期
微电子学与计算机
!!!
谷物害虫图像识别中特征值提取技术的研究
甄彤 !"# 范艳峰 # 邹炳强 $ 唐建国 #
&! 华中科技大学控制科学与工程系 ! 湖北 武汉 ,(’’-, ’ &" 河南工业大学计算机科学系 ! 河南 郑州 ,%’’%" ’ &( 山东信息职业技术学院 ! 山东 潍坊 ".!’.! ’ 摘 要 ! 本文阐述了 在 仓 储 物 害 虫 分 类 识 别 研 究 中 利 用 计 算 机 数 字 图 像 处 理 技 术 ! 对 谷 物 害 虫 图 像 的 一 阶 灰 度
灰值游程距阵纹理特征
所谓纹理是一种反映一个区域中像素灰度级
的空间分布的属性 ! 是识别对象的主要依据之一 " 在图象的被检测区域里 ! 连续的 # 共线的 # 并且具有 相同灰值 $ 或灰值 档 % 的 像 素 点 数 称 为 该 灰 值 的 游 程长度 ! 而灰值游程矩阵 *,!-的元素 +,- 是检测区域 里在 ! 角方向上灰值为 , $ 行 % 而游程长度为 - $ 列 % 的像素点串出现的次数 " 这 里 图 象 区 域 中 灰 值 , 有 % #!#"#0#1#2 #3#/ 共 4 级 !其游程长度 - 是 !$"23 共 "23 档 ! 所以灰值 游程矩阵 *,!’ 为 4%"23 矩阵 ! 当 ! &%’ #12’ #5%’ #!02’ 时 !*,!’分别为 & *,%’ #*,12’#*,5%’#*,!02’" 下 面 对 * ,!’ 的 数 学 统 计 量 特 征 进 行 提 取 $ 这 里 设 ", 为图象区域里的灰级数目 !"- 为其游程长度的 数目 !& 为该区域里的像素总数 %&
<$= >*’6%; OK8JA3IJ8QBPK +AVK; ^?KSAL?KCP?N ?9Q OK?KCVKCP 6C:A9U?NBA; 1A\KBJA 6C:A9U?NBA; EA8LAKJCP?N M89@C:BJ?KC89
1SCV
<A?KBJA; I?KKAJ9 JAP8:9CKC89
! 引言
P?KC89 8@ VK8JAQ3IJ8QBPK IAVKZ
R89AV; ? 9A[ KAPS9CDBA ?9Q LAKS8Q ?JA IJ8UCQAQ K8 A\KJ?PK KSA L?KSAL?KCP?N ?9Q VK?KCVKCP AC:A9U?NBA; KA\KBJA AC:A9U?NBA ?9Q :A8LAKJCP?N P89@C:BJ?KC89 @A?KBJAV 8@ KSA IAVKV ?JA ?PDBCJAQZ =V A\IAJCLA9KV QAL89VKJ?KAV; KSCV QC:CK?N CL?:A IJ8PAVV* C9: KAPS9CDBA P?9 JAUA?N ? J?9:A 8@ JANC?]NA AC:A9U?NBA ?9Q A@@APKCUANW C9PJA?VA KSA A@@CPCA9PW 8@ CQA9KC@CP?KC89Z KAPS9CDBA S?V ]AP8LA ? 9A[ UASCPNA K8 KSA PN?VVC@CP?KC89 ?9Q CQA9KC@CP?KC89 8@ VK8JAQ3IJ8QBPK IAVKZ
#$%$&’() *+ ,-.$/0&12$ ,34’&(4-*/ -/ 4)$ 56$/4-+-(&4-*/ *+ 7’&-/ 8$%4 59&.$%
4567 189:!;"; <=7 >?9*@A9:"; 48B *C9:*DC?9:(; 1=7E FC?9*:B8"
G! HAI?JKLA9K 8@ M89KJ8N OPCA9PA ?9Q 69:C9AAJC9:; 5B?RS89: T9CUAJVCKW 8@ OPCA9PA ?9Q 1APS98N8:W; XBS?9 ,(’’-, MSC9? 0 G" M8LIBKAJ OPCA9PA HAI?JKLA9K; 5A9?9 T9CUAJVCKW 8@ 1APS98N8:W; 4SA9:RS8B ,%’’%" MSC9?0 G( OS?9Q89: M8NNA:A 8@ Y9@8JL?KC89 1APS98N8:W; XAC@?9: ".!’.! MSC9?0
+), 偏 度 & 扭 曲 度 ’’ 是 对 图 像 灰 值 分 布 偏 离 对 称情况的一种度量2 ’/ ! ")
!1!
!+"(!, %+",
) "/#
+.,
+., 峰值 ) 描述图像灰值分布是聚集在均值附
近!还是散布在端;.
!1!
!+"(!, %+",
. "/#
+$,
+$, 如果图像灰值是等概率分布的 !则具有 最 小 的能量 *+,&-.$
收稿日期 + !%%,&%-&’% 基金项目 + 河南省自然科学基金资助 &’(",""’’"- ’ 河南省科技攻关项目资助 &’,",""’!)2 ’
记录的模式标本进行对照鉴别 " 形态分类法简便易 行 ! 但必须由专业人员来进行 " 近年来 !随着计算机 技术应用领域的不断扩展 ! 计算机自动模式识别方 法也取得了令人满意的结果 " 图像是人类获取和交换信息的主要来源 ! 人类 感知外界信息 !)’& 以上是通过视觉得到的 " 因此 ! 图像处理 的 应 用 领 域 必 然 涉 及 到 人 类 生 活 和 工 作 的方方面面 " 然而 ! 图像数字技术在农业中的应用 程度要远远落后于工业 ! 在仓储害虫方面的应用就 更少了 ! 因此对仓储害虫自动识别进行深入研究具 有重要意义 " 本文利用计算机图像处理技术 ! 对获 取的谷物害虫数字图像进行预处理后 ! 根据静态谷 物害虫图 像 的 一 阶 灰 值 直 方 图 和 图 形 的 目 标 区 域 自动提取 图 像 的 一 阶 灰 值 统 计 量 和 几 何 形 状 等 数 理统计特征 ! 然后采用 *+ 神经网络进行分类识别 "
程长度 # 灰 度 值 的 不 均 匀 度 量 和 游 程 长 度 的 百 分 率, % 几何特征 ) 个 +区域面积 #周长和长宽比, "
!/!"&%+",
"/#
+",
+", 方差 "!& 灰值分布的 & 阶中心距 ’ 是对图像 灰值分布离散性的度量2
!1!
"!/!+"1!,&%+",
"/#
+),
!!7
./1#
,0! -0!
&
&!!-
式中 !2 是检测区域里的像素总数 " 如果检测区 域里有较长的线性纹理 ! 必然导致总游程数 2 比较 小 ! 因而统计量特征 ./1 有较小的值 ’ 反之 ! 若无较 长的线性纹理 ! 则 ./1 较大 " 所以 !./1 可以直接反 映线性纹理的情况 "
!"!
!!"
微电子学与计算机
!""# 年第 !! 卷第 !" 期
人眼对彩色的分辨率大大高于对黑白图像的 分辨率 ! 彩色图像所带的信息 ! 远远大于灰度图像 " 在计算机图像处理中 ! 颜色的特征提取占有很重要 的地位 " 人眼能真实感受到的景物是真彩色图像 ! 真彩色图像的显示过程是三基色合成的过程 ! 一般 采用红 #绿 # 蓝作为三基色 " 彩色数字图像中像素的 颜色最直接的表示方法是使用红 # 绿 # 蓝的亮度值 ! 大小限定到一定范围 !如 #$"$$" 三色图像的灰度级 直方图是 %&’ 空间的点分布 " 本文采用彩色图像 的 % #&#’ 三种分量灰值图像 ! 增加了特征向量的 维数 ! 提高了仓储物害虫的识别率 " 本文采用数码照相机拍摄的谷物害虫静态照 片 ! 如图 ! 中所示的三种 !" 个谷物害虫样本图像 ! 生成 "$( 级彩色灰值图像 " 首先 ! 我们得到各图像 的 % 分量灰值图像 #& 分量灰值图像和 ’ 分量灰值 图像 ! 如图 " 所示 " 然后采用平滑和锐化技术对获 取的谷物害虫图像 进 行 预 处 理 ! 如 图 ) 所 示 ! 以 增 强谷物 害 虫 图 像 本 身 与 背 景 的 反 差 和 整 幅 图 像 的 清晰度 " 然后采用全局阈值方法对增强后的谷物害 虫图像进行区域分割 ! 在此基础上自动提取其特征 值 " (* 个谷物害虫图像的特征值如下提取 $% #& #’ 三 种 分 量 灰 值 图 像 的 一 阶 灰 度 值 统 计 量 特 征 ) %( 个 + 均值 # 方差 # 偏度 # 峰值 # 能量和熵 , %% #& #’ 三种 分 量 灰 值 图 像 的 灰 值 游 程 距 阵 纹 理 特 征 ) %!( 个
!"# 几何特征
在许多模式识别的问题中 ! 几何特征往往是非 常重要的 " 它描述目标区域的几何性质 ! 与区域的 灰值大小无关 " 所以在对目标区域提取几何特征之 前先对其进行二值化处理 ! 并在目标区域边缘检测 的基础上 ! 使用链码表示区域边界 " 这 里 !目 标 区 域 由 离 散 的 方 格 来 采 样 !区 域 边 界轮廓 线 由 相 邻 边 界 象 素 点 之 间 的 短 连 线 逐 段 相 连而成 " 短连线的斜率仅可能有八个方向 ! 即 %’ #
%+",/
#+", !"/#0!0 (! !1! +!, $ 以 " 为横坐标 !% +", 为纵 坐 标 ! 就 得 到 一 阶 灰 值
直方图 ! 也就是灰值的一阶概率分布 " 根据图像的 一阶灰值直方图可提取下列数学统计量特征 "
+!, 灰度的均值 !& 灰值分布对原点的 & 阶距 ’$
!1!
+#-#.$-#*#-#!)$- 四个不同方向的短游程长度 # 长游
!1!
/+,&-./!3%+",4"
"/#
+(,
+(, 如果图像灰值是等概率分布的 ! 则具有最大 的熵 /+0&1%.$
!""# 年第 !! 卷第 !"期
($!
微电子学与计算机 计量 !即游程长度的百分率为 &
", "1 ,-
!!0
!"#$%&’#$!&&)’()*+&,)-.
)#%
,/-
这里使用直方图的某些数学统计量作为特征 ! 不但数目少 ! 而且对谷物害虫图像的灰值一阶概率 分布的描述更加明确 "
! 特征提取 !"# 一阶灰值统计量特征
在数字图像处理中 ! 一种最简单而最有用的工 具是灰 度 直 方 图 " 它 概 括 了 一 幅 图 像 的 灰 度 级 内 容 " 灰度直方图是灰度级的函数 ! 描述的是图像中 具有该灰度级的像素的个数 $ 其横坐标是灰度级 ! 纵坐标是该灰度出现的频率 &像素的个数 ’" 设图像 灰值量化为 ! 个灰级 ! 令 "/#0!0"0 ( 0 !1!! 第 " 个灰级 的象素总数为 #+", ! 而整幅图像的象素总数为 $ ! 那 么 ! 灰级 " 出现的概率为 $