基于机器视觉的家蚕微粒子图像识别方法的研究

论文摘要

家蚕微粒子病是由微孢子虫寄生蚕体细胞内引起的可传染性原虫病,它是一种古老的、分布甚广且毁灭性强的蚕病,俗称“蚕癌”,是目前各蚕业生产国规定唯一法定检疫的蚕病。按照优选蚕种、制造无病毒蚕种以及消灭本病的原则,一直沿用母蛾镜检法来防止微粒子病毒通过母体传染,如今已成为防止家蚕微粒子病的主要检测手段。由于人工镜检的方法存在劳动强度大、结果不可复现且容易产生错检或漏检的问题,本文开展基于基于机器视觉的家蚕微粒子病识别方法的研究,将机器视觉技术引入蚕病的检测,主要内容如下：(1)针对微粒子显微图像对比度低、图像不清晰的特点,提出了基于模糊信息的图像增强预处理方法,该方法融合了基于全局的Pal模糊增强与局部模糊对比度增强两种算法思想,实现了改善图像整体对比度和增强目标图像局部细节信息的目的,有利于后续的图像分割处理。(2)针对复杂背景条件下微粒子显微图像的分割技术问题,提出了基于HSI模型的微粒子图像分割技术。根据微粒子图像的颜色特征提取准则,实现了彩色目标对象与非目标杂质图像的直接分离,减少了与微粒子形态相似的其它疑似孢子产生误判的可能性；消除了背景中部分杂质图像对于分割处理效果的不利影响,提高了二维Otsu分割方法对于彩色目标H分量图像分割的适应性。(3)根据微粒子图像的形态特点,研究了微粒子图像的特征提取技术,实现了微粒子图像初始形态特征参数集的选取；针对微粒子图像多特征选择的优化组合问题,提出了基于多特征融合的微粒子图像特征选择技术,该技术通过相关分析方法,实现了初始特征集中特征冗余信息的去除,并采用基于分类器学习的特征优化选择方法,确定了微粒子图像的最佳分类特征集。(4)分析了BP神经网络的学习过程,提出了改进的BP优化算法；针对BP神经网络存在“局部极小值”和收敛速度慢的问题,研究了遗传神经网络的混合训练方法,提出了基于遗传神经网络的家蚕微粒子病识别技术方案,确定了识别系统最优的网络结构,验证了遗传神经网络应用于微粒子图像识别问题的有效性与正确性,并对识别系统方案的软硬件实现技术进行了总体设计。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究目的和意义
• 1.3 本文主要研究内容的国内外研究现状
• 1.3.1 家蚕微粒子病检测技术的总体现状
• 1.3.2 图像分割技术的研究现状
• 1.3.3 特征提取技术的研究现状
• 1.3.4 图像识别技术的研究现状
• 1.4 论文的课题支撑
• 1.5 论文的结构框架与主要研究内容
• 第2章 家蚕微粒子图像预处理算法研究与实现
• 2.1 微粒子图像的获取与分析
• 2.2 传统图像增强算法分析
• 2.2.1 直方图均衡化
• 2.2.2 灰度变换
• 2.2.3 平滑滤波
• 2.3 基于模糊信息的图像增强处理算法研究
• 2.3.1 Pal模糊增强算法理论
• 2.3.2 Pal算法改进及其结果分析
• 2.3.3 基于模糊对比度的图像增强处理算法
• 2.3.4 基于模糊信息的图像增强处理算法实现
• 2.4 本章小结
• 第3章 家蚕微粒子图像分割技术研究
• 3.1 图像分割的概念及模型
• 3.2 几种常见阈值分割算法分析
• 3.2.1 双峰法
• 3.2.2 迭代阈值分割法
• 3.2.3 自适应Otsu阈值分割法
• 3.3 面向微粒子图像的分割技术研究
• 3.3.1 常用彩色图像的颜色模型分析
• 3.3.2 微粒子图像彩色模型的确定及其相互关系
• 3.3.3 基于HSI模型的微粒子图像分割技术
• 3.4 微粒子图像分割的后续处理
• 3.4.1 形态滤波
• 3.4.2 种子填充
• 3.4.3 粘连孢子的分离
• 3.5 家蚕微粒子图像分割算法的实现
• 3.6 本章小结
• 第4章 家蚕微粒子图像多特征提取技术研究与实现
• 4.1 微粒子图像的特征提取概述
• 4.2 微粒子图像的特征参数提取
• 4.2.1 形状特征提取
• 4.2.2 Hu不变矩特征提取
• 4.3 基于多特征融合的微粒子图像特征选择
• 4.3.1 特征选择的概念与方法
• 4.3.2 微粒子图像的特征分析
• 4.3.3 微粒子图像的特征选择
• 4.4 微粒子图像的特征提取方法
• 4.4.1 区域标记
• 4.4.2 微粒子长/短轴特征提取
• 4.5 本章小结
• 第5章 基于遗传神经网络的家蚕微粒子病识别技术研究
• 5.1 模式识别方法概述
• 5.2 人工神经网络模型及BP算法分析
• 5.2.1 人工神经网络模型结构
• 5.2.2 BP神经网络的学习过程
• 5.2.3 BP算法分析及其改进
• 5.3 遗传算法在BP神经网络设计中的实现
• 5.3.1 遗传算法的基本理论及实现过程
• 5.3.2 遗传算法与BP神经网络的算法融合
• 5.3.3 遗传神经网络的结构设计及参数确定
• 5.4 遗传神经网络在家蚕微粒子病识别系统中的应用
• 5.4.1 家蚕微粒子病识别系统的方案设计及实现
• 5.4.2 微粒子图像的神经网络学习与测试结果
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 全文总结
• 6.2 研究展望
• 参考文献
• 致谢
• 附录1 攻读博士学位期间发表的学术论文
• 附录2 微粒子图像样本在HSI空间各颜色分量数据
• 附录3 微粒子图像样本形状特征参数数据