基于机器视觉的草地蝗虫识别方法

被引:17
作者
毛文华 [1 ,2 ]
郑永军 [2 ]
张银桥 [1 ]
苑严伟 [1 ]
张小超 [1 ]
机构
[1] 中国农业机械化科学研究院
[2] 中国农业大学食品科学与营养工程学院
关键词
机器视觉; 图像理解; 运动特征提取; 草地蝗虫;
D O I
暂无
中图分类号
TP274 [数据处理、数据处理系统];
学科分类号
0804 ; 080401 ; 080402 ; 081002 ; 0835 ;
摘要
为了准确、自动地提取蝗虫信息进行蝗灾测报,提出了一种基于机器视觉的草地蝗虫识别方法,用于超低空蝗灾预警系统所自动采集的视频中草地蝗虫头数信息的提取。该方法先根据跃起草地蝗虫的背景构成,把原始图像分为天空子图像和草地子图像;然后,采用帧间差分法检测两子图像中的运动区域;最后,运用蝗虫的形态特征因子对检测的运动区域进行再分类,识别跃起蝗虫。把自动识别的跃起蝗虫头数,带入建立的跃起蝗虫头数与和地面蝗虫头数之间的数学模型中,从而得到地面蝗虫的数量,进行地面上草地蝗虫的间接计数。试验结果表明:跃起草地蝗虫的识别率为80%~100%,由建立跃起蝗虫和地面蝗虫的之间模型计算的地面草地蝗虫的精度大于80%。因此,基于机器视觉的草地蝗虫识别方法能满足蝗虫精准测报的要求。
引用
收藏
页码:155 / 158
页数:4
相关论文
共 7 条
[1]   东亚飞蝗生境的遥感分类——以河北省黄骅地区为例 [J].
李开丽 ;
倪绍祥 .
地理研究, 2006, (04) :579-586+753
[2]   环青海湖地区草地蝗虫发生遥感监测方法研究 [J].
邓自旺 ;
周晓兰 ;
倪绍祥 ;
邓自发 ;
谢小玲 ;
屠其璞 .
遥感技术与应用, 2005, (03) :326-331
[3]   蝗虫生境监测方法研究进展 [J].
石瑞香 ;
刘闯 ;
李典谟 ;
谢宝瑜 .
生态学报, 2003, (11) :2475-2483
[4]   图像阈值选取方法——Otsu方法的推广 [J].
付忠良 .
计算机应用, 2000, (05) :37-39
[5]  
东亚飞蝗灾害的遥感监测机理与方法研究[D]. 韩秀珍.中国科学院研究生院(遥感应用研究所). 2003
[6]  
机器视觉[M]. 科学出版社 , 贾云得编著, 2000
[7]  
Desert Locust Guidelines3.Information and forecasting .2 Cressman K. http://www.fao.org/ag/locusts/en/publicat/gl/gl/index.html . 2000