基于复不可分小波的储粮害虫图像检测的若干关键理论研究

本项目研究基于储粮害虫图像的边缘特征来构造新型复不可分小波，并应用它们来处理储粮害虫图像复杂纹理背景上的不同结构边缘特征的表示与提取问题。项目集中研究甲虫类、蛾类、螨类三类储粮害虫图像边缘与方向特征的表示与提取，根据不同储粮害虫图像的具体特点构造复不可分小波滤波器。同时建立基于构造的复不可分小波变换后模的Holder指数估计模型，并利用Holder指数来表示与分析储粮害虫图像的边缘结构和隐含的方向信息。同时为复杂纹理背景上不同结构边缘特征的表示和提取探讨新的理论工具和方法，希望能突破传统小波方法中对边缘特征提取的平移敏感性和方向选择性局限，使得图像中不同结构边缘特征的表示和提取形成一个基于新构造的复不可分小波的相对独立和系统的应用理论体系。并应用提出的复不可分小波滤波器来设计相应实现算法，为害虫的综合防治提供科学的决策依据，实现储粮害虫的智能检测和识别。

本项目研究基于储粮害虫图像的边缘特征来构造新型复不可分小波，并应用它们来处理储粮害虫图像复杂纹理背景上的不同结构边缘特征的表示与提取。（1）图像预处理方面：针对粮虫图像中的高斯噪声，提出了基于SURE-LET和非张量积小波的去噪方法，实验结果表明：此方法用于高斯噪声的粮虫图像的去噪不仅速度很快，而且去噪效果优于传统基于张量积小波的SURE-LET方法。提出了基于灰关联分析的图像边沿检测：根据对统计序列曲线几何形状的相似程度的比较来区分系统中因素间的关联程度。序列曲线的几何形状越接近，它们间的关联程度越大。对图像进行边缘检测时，可把图像看成一个灰色系统，应用灰色关联来分析。提出了一种用奇异值分解和Moor-Penrose广义逆的图像复原的方法。（2）找到了三类常见害虫纹理图像在小波变换下的一部分特点,重点研究了利用小波变换来刻画三类储粮害虫图像的奇异特征和纹理属性。隐马尔科夫随机场模型对小波系数进行建模，探讨了由完全重构条件设计低通滤波器，通过矩阵扩充构造高通滤波器以及矩阵扩充的通解这几个不可分小波构造的基础理论问，根据已经掌握的三类储粮害虫图像纹理在小波变换下系数与奇异结构展现的特点。利用构造的复不可分小波滤波器进一步应用到上述三类储粮害虫图像的纹理特征表示与提取，提取的特征能有效地区分这三类害虫，识别率比传统的小波变换提高10%左右。研究了利用构造的小波来刻画三类常见的储粮害虫的奇异特征和纹理属性并利用ELM分类器对特征进行分类，实验表明：对三类常见储害虫识别率高达97%分类所需时间0.01s表明了该方法的有效性和实用性。