昆蟲(chóng)圖像語(yǔ)義標(biāo)注技術(shù)的研究.pdf

1、隨著昆蟲(chóng)學(xué)研究對(duì)象的不斷深入和擴(kuò)展，昆蟲(chóng)學(xué)領(lǐng)域產(chǎn)生了越來(lái)越多的圖像數(shù)據(jù)，使得圖像數(shù)據(jù)庫(kù)開(kāi)始急速膨脹，從而使研究人員難以方便、快速、準(zhǔn)確地查詢和檢索到所需要的圖像信息。因此，昆蟲(chóng)圖像標(biāo)注是昆蟲(chóng)圖像檢索領(lǐng)域一個(gè)具有重要價(jià)值的研究熱點(diǎn)。本文主要對(duì)鱗翅目、鞘翅目和直翅目三類(lèi)昆蟲(chóng)圖像標(biāo)注技術(shù)進(jìn)行了深入的研究。論文的主要工作如下：
　　 (1)設(shè)計(jì)了針對(duì)三類(lèi)昆蟲(chóng)圖像的預(yù)處理模型。該模型主要通過(guò)平滑濾波、背景濾除及孤立噪聲點(diǎn)處理三部分結(jié)合實(shí)現(xiàn)

2、。實(shí)驗(yàn)結(jié)果表明該過(guò)程不僅能較好完成預(yù)處理操作，同時(shí)也較好地將對(duì)象從圖像背景中分割出來(lái)。
　　 (2)提取了直翅目和鞘翅目昆蟲(chóng)的軀體形狀特征。實(shí)現(xiàn)主要操作包括：形態(tài)學(xué)膨脹與腐蝕處理、CANNY邊緣檢測(cè)，最后提取了軀體輪廓的全局形狀特征。實(shí)驗(yàn)結(jié)果表明，在獲取了較準(zhǔn)確的軀體輪廓后，能夠較好地提取到全局形狀特征。
　　 (3)提取了三類(lèi)昆蟲(chóng)圖像的紋理特征。實(shí)現(xiàn)方法是直接計(jì)算三類(lèi)濾除背景的昆蟲(chóng)圖像共生矩陣的特征值。實(shí)驗(yàn)結(jié)果表明在固

3、定圖像大小的情況下可以實(shí)現(xiàn)快速提取，但是當(dāng)圖像的尺寸變大時(shí)，灰度共生矩陣算法的時(shí)間復(fù)雜度會(huì)急速增長(zhǎng)，提取時(shí)延也會(huì)明顯變大。
　　 (4)研究了神經(jīng)網(wǎng)絡(luò)算法和SVM支持向量機(jī)算法的實(shí)現(xiàn)原理，并分析對(duì)比了這兩種算法的優(yōu)劣勢(shì)，并使用SVM支持向量機(jī)完成了基于紋理特征和形狀特征的分類(lèi)識(shí)別。實(shí)驗(yàn)結(jié)果表明使用SVM支持向量機(jī)對(duì)三類(lèi)圖像的分類(lèi)準(zhǔn)確率達(dá)到了85％，而后兩類(lèi)圖像的分類(lèi)準(zhǔn)確率達(dá)到88.33％。
　　 (5)三類(lèi)昆蟲(chóng)圖像目級(jí)語(yǔ)