[综述]基混特征图像处理的蛾类识别.docxVIP

毕业设计文献综述 [题目] 基于混合特征图像处理的蛾类识别 [摘要] 准确及时地识别各类昆虫,是现代化农业自动监测系统的重要功能之一.目前,我国的农业害虫检测主要依靠的是个人的经验,劳动强度大,效率低.针对当前农业病虫害较为频繁,虫口密度大,加上中国广大农民朋友专业知识缺乏,有经验的昆虫专家较少,不能满足当前病虫害监测的需求,无法实现农业害虫准确预测预报.因此,开发快速准确的昆虫自动识别方法,将有助于提高昆虫识别效率,减少虫害带来的损失,促进农业自动化.本文以数字图像技术为基础,深入学习了国内外相关研究的最新方法,并加入了昆虫位姿判断和多级判断机制,用以实现高效率的昆虫识别. [关键词] 图像处理 边缘检测分割 特征提取 多级判断 投票机制 [背景] 混合特征昆虫识别,涉及计算机学科的数字图像处理技术,昆虫学,模式识别和人工智能等学科,国内外很多研究机构都在研究,或基于标本照片和实物照片,用于物种分类或实际的害虫识别等方面.为了更好的适应实际环境的需求,本文更多的考虑到了不良昆虫图片的识别和处理,加入了昆虫图片的位姿识别机制和多级判断投票机制,针对不同角度,不同清晰度的实际照片用不同的特征方法进行识别,以达到更好的实用效果. [流程图] [图像采集] 清晰的图片是数字图像处理的基础,但是实际环境中拍摄的图片往往差强人意.为了后续开发出适用各类掌上设备以及在线识别的版本,我们在软件内部对采集到的图像进行了预处理.去噪,锐化,HDR后进行适当压缩以便传输.相关算法已经十分成熟.预处理后的照片传入下一级进行边缘检测和图像分割. [图像分割] 图像分割是图像处理的关键环节之一，是按照图像的某种特性将图像分成互不相交的区域并提取感兴趣部分的过程. 昆虫图像分割包括背景与目标昆虫分割、目标昆虫之间分割两种. 背景与目标昆虫的分割方法一般包括阈值法,边缘流法,小波分析法等.采用直方图阈值法,自适应阈值法时,阈值的选定直接影响这些方法的分割效果.基于边缘流的图像分割算法则可以解决阈值难确定的不足.利用Gabor小波以及图割理论害虫图像分割效果较好. 目标分割主要是分割粘连的目标昆虫.方便后续的识??工作.将Ostu阈值算法、区域生长分割算法用于蛾类图像分割试验结果表明，区域生长分割算法不仅可以解决选择阈值难的问题,而且可以有效分割出各个昆虫图像. [位姿判断] 田野中实际拍摄到的图像,昆虫往往呈现各种各样的姿势.如何分辨单个昆虫为什么位姿,然后根据结果运用不同的特征进行判断,可以精准的识别各类昆虫.根据图像分割后的单个昆虫轮廓,我们进行类三角化并计算其中轴,得到中轴后进行左右翻折,进行边缘对比.若重合度较高,则判定为正面俯视图像,再根据顶角判断翅膀张合.若轮廓距离差呈现增长或衰减走势,则为不对称图形,可以判定为侧身图或者其他.该方法目前还没有其他机构进行过研究,初步试验结果良好. [特征提取] 由于昆虫各个生长阶段的颜色,形态,轮廓都会有变化,我们主要依据蛾类翅膀上的纹理进行种类判断.针对同一种类蛾类的不同大小,我们以中轴为基准,计算每条纹理间的距离比例,这样不论展翅还是闭翅,其纹理特征能够较为统一,尤其是经过二值化处理的昆虫图片,该方法效果较好.其他轮廓特征,颜色特征等作为辅助判定依据. [分级判断] 对于一些固定位置的田间摄像头等装置,可以在不同的时间间隔拍摄昆虫图像.那么对于一些粘虫板等捕虫设施,可以拍摄到同一昆虫的不同照片.当多张照片判断为同一个体时,其不同角度的特征可以共同作为依据进行分析,得到更好的效果.同时,颜色,纹理,轮廓等不同特征的不同算法均进行分析处理,多层次进行结果汇总,得出置信度最高的答案. [投票机制] 针对每一类特征,我们用大量的算子分别进行计算,然后将结果进行投票,输出得票最高的结果,用于多级判断后准确率较单一方法的判断机制有了很大的提升.在边缘检测步骤时也可以加入不同的检测机制,则可以更好的判断各类昆虫姿势图片. [反馈机制] 针对昆虫物种的庞大数量,我们首先利用模版图像对分类器进行训练,将各类纹理特征,位姿判断,轮廓信息等储存成模板,用于后续的实际判断.对于一些无法很好处理及投票的图片,若找到同一个体的其他位姿图像并判断成功,则可以将不好判断的侧位或模糊图像加入模板,不断反馈学习,方便后续判断.若将来可以将该系统做成联网程序,利用不同用户的庞大识别量,可以大大加速模版的生成量,实现联网在线特征判断,提高识别效率. [讨论展望] 基于混合特征的昆虫识别方法较传统的方法更快速,可靠和智能.虽然已取得了一定的进展,但仍有一些问题需要进一步的研究和探讨，主要包括 (1)基于图像的昆虫自动识别数据库的建立与完善 昆虫自动识别数据库应包括昆虫图像库,昆虫图像特征库,昆虫信息知识库以及后