题目：基于图像处理的储粮害虫检测方法研究

我国每年粮食生产、储藏及消费量均居世界前列。每年储粮总量约5000亿公斤，粮食在储藏期间，往往由于发霉、粮虫、鼠害等各种原因造成约达储粮总量0.2％的损失。其中，储粮害虫造成的损失约占储粮损失总量的一半。因而储粮害虫的准确检测是降低储粮损失的关键，也是制定储粮害虫防治决策的科学依据之一。目前国内外研究者用诱集法、取样法、机器视觉法等方法对外部粮虫进行检测，用电导率检测、近红外检测、X-ray成像检测等方法对内部粮虫进行检测。然而这些方法都无法准确、实时地给出储粮害虫的种类、密度等信息。利用图像处理技术对储粮害虫进行检测具有价格低廉、效率高、准确度高、无污染、劳动量小等优点。本文应用图像处理方法对储粮害虫图像进行去噪、增强、分割及边缘检测，为储粮害虫的特征提取和粮虫种类的准确识别奠定基础。
本文主要研究工作如下：
第一、储粮害虫图像在采集或传输过程中，往往由于震动、灰尘、等各种原因受到噪声污染而影响图像质量及图像后续处理，本文应用均值滤波、中值滤波、维纳滤波等空间域图像处理方法及小波分析去噪的频率域图像处理方法对储粮害虫图像进行去噪处理；储粮害虫图像在采集过程由于各种原因造成的有可能影响人和机器理解的失真，本文应用直方图均化、灰度变换的空间域图像增强方法及小波分析的频率域图像增强方法对储粮害虫图像进行增强处理。
第二、储粮害虫图像的有效分割是粮虫特征提取和准确识别的基础。本文首先应用基于直方图模型的阈值分割法、最大类间方差阈值分割法两种二值分割方法和基于水平集的图像分割方法对前景、背景差异较大的粮虫图像进行分割，然后应用基于图割理论的图像分割方法对前景与背景差异较小的粮虫图像进行分割并实现目标提取。最后对以上各种方法对储粮害虫图像的分割结果做了比较和总结。
第三、储粮害虫图像边缘的有效检测是储粮害虫特征提取和选择的重要基础。在对256灰度级的储粮害虫图像边缘检测方面，本文首先应用经典的基于Robert算子、Prewitt算子和Canny算子的算法对粮虫图像进行边缘检测；接着应用基于灰色理论的边缘检测方法对储粮害虫图像进行边缘检测，最后将以上各种边缘检测方法对储粮害虫图像的边缘检测结果进行了比较。由于二值图像具有处理效率高、实时性强等优点，在储粮害虫图像的实时处理中占有重要地位。因而本文应用以上四种方法对储粮害虫二值含噪图像进行边缘检测，实验结果表明：基于灰色理论的边缘检测算法具有边缘定位准确、检测边缘连续有效、抗噪性强等优点。