基于邻域算法的农业害虫图像分割

姚巧鸽 夏银红

摘要：针对分割农业害虫图像时不能区分相邻灰度值的问题，提出邻域算法。首先确定像素的邻域度，像素的邻域通过移除低于某一给定阈值的所有边并将所有相连的样本点作为域类而获得；然后采用基于关系权重方法区分邻域类别，从全局的角度衡量了每个特征项对所有类别的区分能力；接着基于可变聚类半径对像素数据排重，删除重复性数据；最后给出了算法流程。仿真试验结果表明，本研究算法分割农业害虫图像的效果清晰，消耗的时间较少。

关键词：邻域关系；像素；聚类；权重；农业害虫；图像分割

中图分类号： TP391.41文献标志码： A

文章编号：1002-1302（2017）11-0174-04[HS）][HT9.SS]

农业生产中需要检查农产品中是否存在害虫，避免农业灾害的发生，在农业害虫的检测中图像背景复杂，害虫在图像中很难与背景分离[1-2]。

传统的检测技术主要依赖于人眼，是农民自己对农产品的每个细节进行检查。但是检查环境往往很恶劣，同时受天气干扰，检查工作很难展开，利用计算机视觉处理代替人工检测成为了一种必然的发展趋势。目前使用的算法主要有以下几种，K均值算法（K-means）是基于划分的算法，只有农业图像数据聚类簇的平均值被定义的情况下才能使用，对噪声和孤立点数据敏感[3]；基于统计信息算法（statistical information grid，STING）将农业图像空间区域划分为矩形单元，单元中存储着预先计算的统计信息，可处理高维数据，但是检测质量取决于网格的粒度，由于聚类的边界是直线，检测质量较低[4]；……