基于混合特征图像理的蛾类识别.pptVIP

毕业设计中期报告 题目：混合特征图像处理的蛾类识别 姓名： 学号： 导师： 2013年3月19日 Artificial Intelligence 毕业设计主要内容 我国是农业大国，病虫害对农作物的破坏每年都会造成巨大的经济损失。如果能准确的监测不同地区的病虫害种类以及规模，就可以提前做好预防措施，将损失降低到最少。 当前我国的病虫害预防检测多以人工为主，但是面临着效率低，经验丰富人员缺乏，时效性差等种种问题。 国外已有一些害虫识别相关的研究，但是对于我国复杂的农业地理气候分布以及农民朋友们实际操作能力的差异，并不能起到很好的效果。 Artificial Intelligence 基于图像处理的混合模型蛾类识别 图像处理技术的飞速发展，为实现快速准确的害虫识别提供了基础。通过低成本的数字图像采集设备和简单的操作，配合互联网接入，我们可以构建一个高效便捷的害虫监测体系，而这其中的关键就是害虫的识别分类工作。 目前针对昆虫识别的主要方法有基于颜色，形态，纹理等昆虫特征，针对不同种类的昆虫，效果各有千秋。一旦进入到实际操作，复杂的环境噪声将大大降低识别率。 因此，我将引入多级处理，特征评估以及混合模型投票机制，来提高实际情况的害虫识别率。 Artificial Intelligence 研究计划 1.搜集材料，阅读文献，计划可行性评估[2周] 2.不同模型代码实现，各个模型识别测试[2-4周] 3.多级处理机制搭建，投票结构搭建[1周] 4.混合模型构建，训练及改进[1周] 5.完成代码调试，图形化界面[1周] 6.模版图片及田野图片测试评估[1周] 7.改进撰写论文[1周] [可选部分] 8.实现网络传输功能，可拍照上传，在线识别 9.尝试编写手机客户端，手机完成识别或上传 Artificial Intelligence Artificial Intelligence 已完成部分 ★完成相关文献的阅读及可行性评价 ★边缘检测，图像增强，特征提取相关知识的学习 ★尝试了不同图像采集设备对昆虫图像的影响 （手机 数码相机 单反相机 摄像机 电脑摄像头） ★不同图像格式及压缩算法对特征的影响(raw jpg tiff) ★中值滤波处理,独立阀值去噪实现(模版图像) ★基于Laplace算子的边缘检测实现(模版图像) ★多级处理机制的初步构建 Artificial Intelligence 图像采集预处理 ★采集设备 手机 数码相机 单反相机 摄像机 不同设备及图像格式的影响 ★图像增强 设备自带HDR处理功能 (高宽容度/多重曝光技术) 中值滤波/独立阀值去噪 (依据临域点/相关性分布) 去除椒盐噪声/残肢/干扰点 Artificial Intelligence Artificial Intelligence HDR处理效果对比（右侧为原图） Artificial Intelligence Artificial Intelligence ★边缘检测 Laplace算子/支持向量机(有待理解) (实验效果好/准确分割背景) ★形态分类 节肢型/正三角/等腰三角/其他 根据形状初步分类 判断昆虫类型/位姿/主轴方向 ★分类判断 根据初步结果分类处理 加权依据纹理/形态/颜色处理 边缘检测图像分割 Artificial Intelligence 多级处理投票体系 ★运用不同算子/分类器分别处理，输出得票最多结果 ★多级处理，每级均将最优结果输至下一级 并反馈上一级，将待处理图片加入模版 ★若最终识别成功，则将同一个体的不同姿态 制成模版，不断添加，提高识别率 ★每一级将评估结果不好的图片或特征挂起 避免浪费系统资源，做到优选优评 ★最终实现多级在线联网，利用网络数据库分类识别 Artificial Intelligence Artificial Intelligence Polia nebulosa 灰夜蛾(原始图像) HDR处理后的效果 Artificial Intelligence 对H