基于混合征图像处理的蛾类识别.pptVIP

Company Logo LOGO 基于混合特征图像处理的蛾类识别 系别：智能科学与技术 姓名： 学号： 背景 我国是农业大国，病虫害对农业生产影响很大 人工病虫害预防工作量大，效率低 数字图像处理及自动识别技术日渐成熟 意义 昆虫自动识别高效快速，节约人力资源，可及时预防病虫害 识别、监测、预防相结合，可减少农药用量，提高农业产量 昆虫自动识别是农业自动化、生产智能化的重要目标 一.研究背景及意义 二.昆虫识别研究现状 ●昆虫自动识别：利用昆虫几何、颜色、纹理特征对昆虫描述与理解 ●模板匹配法：过计算模板与目标图像间的相关性实现自动识别功能 ●数学形态学方法:用数学方法描述或者分析图像的形状特性的方法 ●统计识别法：将识别对象表达成特征向量，通过划分特征空间的方 式进行分类。 ●机器学习方法：通过学习来获得对昆虫识别规律和规则的隐性表达 三.主要研究工作 1.图像预处理：增强、分割 2.昆虫位姿识别：中轴、翻折、对比 3.针对位姿的混合模型特征提取 4.分类器投票机制 5.结果分析 1.图像预处理 图像去噪处理：中值滤波器 去噪后用于边缘检测，中轴对称处理 图像增强：HDR高动态光照渲染 增强后用于纹理及形态识别 1.图像预处理 图像边缘检测 /目标分割 采用迭代算法进行阀值自动计算 将昆虫个体分割为单个图片 原始昆虫图像 提取出的昆虫边缘 昆虫中轴判断： 采用针对二值图像的细化骨架法来判断昆虫的中轴 2.昆虫位姿判断 2.昆虫位姿判断 左右两部分对比： 根据二值化处理后的图像两边边缘临界点与中轴的垂直距离做差，得出差值曲线，根据曲线分布进行位姿判断。 3.特征提取 依据判断出来的昆虫位姿分类进行判断 正面展翅图片用纹理特征为主，轮廓颜色辅助； 正面闭翅图片用轮廓颜色为主，纹理特征辅助； 侧身及其他图片用颜色特征为主，纹理轮廓辅助。 4.分类器投票机制 采用集成学习机制，用三个简单分类器进行分类 用一定数量的标本图像对分类器进行训练，提高精确度 实际识别判断时，三个分类器并行处理，结果进行均值投票，输出投票最多的结果，提高整体正确率 未来可以试用更多更复杂的分类器，通过不断试验和数据比对进行最优组合，提高识别精度 5.结果分析 结果分析（1） 每种蛾类18幅图片，各个姿态各6幅 5.结果分析 结果分析（2） 位姿判断的混淆矩阵 每种蛾类18幅图片，各个姿态各6幅 侧身图片与正面闭翅图片容易混淆 班展翅图像不易分析 5.结果分析 结果分析（3） 每种蛾类18幅图片，各个姿态各6幅 5.结果分析 结果分析（4） 蛾类种间混淆矩阵 每种蛾类18幅图片，各个姿态各6幅 5.结果分析 结果分析（5） 最终识别结果 每种蛾类18幅图片，各个姿态各6幅 四.结论及展望 昆虫自动识别由于其难度，具有很高的挑战性 位姿预判断机制效果良好，可进一步研究 未来可以尝试不同的分类器相互组合，并加入权值进行投票，提高识别率 对于难以处理的侧身以及残缺肢体还有待进一步解决 要继续寻找适用于更多种类昆虫的通用识别方法 将基于图像处理的自动识别技术应用到更广阔的领域 五.致谢 感谢我的导师温程璐老师两年来对我的关心帮助。温老师一直是我的良师益友，不仅教给了我专业知识，还给了我对图像处理方向的兴趣。 感谢四年来教育教导我们的各位老师，您辛苦了。 感谢四年来帮助过我的同学们，给予我的种种帮助难以忘怀 感谢答辩组老师百忙之中听取我们的报告 请各位老师批评指正 Company Logo LOGO