基于图像的稻田飞虱测报方法的研究

摘要

稻飞虱是我国水稻上最重要的一类远距离迁飞性害虫，各稻区以褐飞虱，白背飞虱和灰飞虱最为常见，它们常群居在水稻中下部取食或产卵为害。稻飞虱不同虫态的田间发生调查是其进行准确测报和合理防治的关键。在大部分水稻种植国家，稻飞虱田间调查一般采用人工拍查法、目测法、扫网法和灯诱法，其中，应用最为广泛是拍查法。“拍查法”查获的飞虱率受到虫口密度、水稻生育期、盘内壁湿润程度等影响且容易造成调查者身体和视觉疲劳，调查效率低下。人工田间调查时只记录了稻飞虱种类和各种虫态数量的数据，后面无法追溯田间调查时飞虱发生的真实情况。刘庆杰等充分利用数字图像处理技术，研究了不同特征对水稻基部稻田飞虱检测的影响，取得了较好的检测效果，但飞虱误检率仍旧偏高。本文在此基础上，采用新的三层检测方法，研究了图像特征和分类模型参数的选择对水稻基部飞虱检测率和误检率的影响，以及白背飞虱各虫态（包括长翅型成虫、短翅型成虫、高龄若虫和低龄若虫）的分类问题。本论文主要研究内容、研究结果和创新点包括:
　　(1)在第一层检测中，研究了不同维数的HOG特征和不同级联层数的Adaboost分类器对水稻基部白背飞虱检测率和误检率的影响。首先，对2012-2016年期间采集的水稻基部飞虱图像建立了白背飞虱和非飞虱噪声的正负训练样本集;然后，提取训练样本不同维数的HOG特征;利用HOG特征训练不同级联层数的Adaboost分类器，用于检测稻飞虱;最终选择最优Adaboost分类器测试525张水稻基部飞虱图像。结果表明该算法对白背飞虱检测率为90.7％，误检率为56.2％。
　　(2)在第二层检测中，针对第一层中存在较多的误检噪声，研究了不同局部图像特征训练的SVM分类器对非飞虱噪声识别情况。这些噪声主要包括水珠、水面反光、泥点以及稻叶，它们在纹理上与飞虱存在较大差异。首先提取训练样本的Gabor与LBP特征，使用Z-score进行归一化;然后，利用Gabor、LBP和两个特征融合来训练SVM分类器，根据不同特征训练获得的SVM分类器ROC曲线，发现Gabor和LBP融合的纹理特征训练的SVM分类器对白背飞虱和非飞虱噪声识别率高;最终利用该SVM分类器对525张第一层检测后得到的子图像进行非飞虱噪声排除;结果表明该算法将第一层的误检率从56.2％降低到了10.2％。
　　(3)在第三层检测中，研究了白背飞虱不同虫态分类识别的问题。针对不同虫态的白背飞虱HOG特征差异显著，本文首先提取了白背飞虱三种虫态长翅型成虫、高龄若虫和低龄若虫HOG特征，并使用Z-score进行归一化;然后，利用PCA与LDA方法对HOG特征进行降维，比较不同降维算法对白背飞虱不同虫态的识别性能;最后，采用SVM分类器对525张水稻基部飞虱图像第二层检测到的白背飞虱子图像进行虫态分类识别;结果表明该算法对白背飞虱长翅型成虫、高龄若虫和低龄若虫识别率分别为93.2％、82.7％和86.9％。
　　综合三层检测结果，最终获得水稻基部白背飞虱各虫态平均识别率为73.1％。误检率为23.3％。对于无虫的图像，误检率为5.6％。由此可见，利用图像处理方法进行水稻基部飞虱测报是可行的。

目录

声明

摘要

第1章 绪论

1．1 研究背景目的与意义

1．1．1 研究背景

1．1．2 研究目的与意义

1．2 国内外研究现状

1．2．1 基于图像的农业害虫识别的研究

1．2．2 基于图像的水稻害虫测报方法

1．2．3 稻田飞虱测报方法

1．3 研究内容

1．4 技术路线

1．5 论文安排

第2章 基于局部特征的白背飞虱检测算法的研究与实现

2．1 水稻基部稻田白背飞虱图像采集

2．2 HOG特征简介

2．2．1 HOG特征基本原理

2．2．2 白背飞虱与噪声的HOG特征描述子及可视化图像

2．3 Adaboost算法原理

2．4 白背飞虱检测与计数

2．4．1 训练样本集选取

2．4．2 不同HOG特征维数对白背飞虱检测的影响

2．4．3 级联Adaboost分类器训练

2．4．4 白背飞虱检测结果分析

2．5 本章小结

第3章 基于多特征的非飞虱噪声排除算法的研究与实现

3．1 水稻基部非飞虱噪声

3．2 LBP算法简介

3．2．1 LBP基本原理

3．2．2 LBP特征提取

3．2．3 稻飞虱与噪声LBP特征描述子

3．3 Gabor算法简介

3．3．1 Gabor特征原理

3．3．2 Gabor特征提取

3．3．3 白背飞虱与噪声Gabor特征描述子

3．4 特征值归一化

3．5 SVM算法

3．6 基于多特征和SVM的非飞虱噪声排除算法

3．6．1 SVM分类器训练

3．6．2 非飞虱噪声排除结果分析

3．6．3 不同密度等级白背飞虱检测结果分析

3．7 本章小结

第4章 基于HOG特征的白背飞虱虫态分类识别算法的研究

4．1 白背飞虱各虫态描述

4．2 特征降维

4．2．1 主成分分析

4．2．2 线性判别式分析

4．3 分类器训练

4．4 分类结果分析

4．5 本章小结

第5章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

攻读硕士学位期间参与的科研项目和发表论文