版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、昆蟲的種類自動識別技術(shù)用于解決專業(yè)的種類鑒定需求日益增加與鑒定人員相對縮減之間的矛盾,有較廣闊的前景。蝴蝶作為鱗翅目昆蟲在世界上分布很廣,種類很多,約有2萬種。如此多的種類對于識別來說存在著較大困難,因此對蝴蝶進行種類自動識別有著重要的意義。 該研究共收集了43種蝴蝶標本,每種20個樣本,用于自動識別。我們設計了兩種完全不同的蝴蝶自動識別系統(tǒng):一種是基于蝴蝶前、后翅形態(tài)特征的自動識別系統(tǒng);一種是基于蝴蝶正面顏色特征的識別系統(tǒng)。
2、 在基于蝴蝶翅形態(tài)特征的自動識別系統(tǒng)中,我們設計了13個與大小尺度、方向均無關的幾何形態(tài)特征用來描述蝴蝶翅的形態(tài)。這13個幾何形態(tài)特征分別為:矩形度、延長度、偏心率、似圓度、球狀型、葉狀型、7個Hu不變矩。實驗數(shù)據(jù)表明這13個形態(tài)特征能比較穩(wěn)定地區(qū)分實驗中用到的每種蝴蝶翅形態(tài)特征之間的差異。我們將蝴蝶前翅的這13個形態(tài)特征與后翅的13個形態(tài)特征合并成一個具有26個特征值的特征向量做為蝴蝶翅自動識別的模式特征。這其中前翅的特征值放在
3、特征向量的前方,后翅的特征值放在前翅特征值之后。 基于上面提到的蝴蝶前、后翅的26個形態(tài)特征值,我們設計了一個3層的徑向基的神經(jīng)網(wǎng)絡用來進行蝴蝶的模式特征的自動識別。對于43種實驗用到的蝴蝶標本,每一種取10個樣本。其中5個用來進行模式樣本訓練,5個用來進行識別準確率的測試。每一種蝴蝶翅的26個形態(tài)特征值與徑向基神經(jīng)網(wǎng)絡訓練的參數(shù)都會保存在數(shù)據(jù)文檔中。在Windows平臺下利用VisualC++編程語言開發(fā)了蝴蝶翅形態(tài)特征提取與
4、基于蝴蝶翅形態(tài)特征的自動識別軟件。對于要識別的蝴蝶,我們?nèi)∑淝俺崤c后翅放置在攝像機下的平板面光源上。前翅放在上方、后翅放在下方。軟件可以自動提取前翅與后翅的26個形態(tài)特征值,并組合成一個特征向量。利用已經(jīng)訓練過的徑向基神經(jīng)網(wǎng)絡,系統(tǒng)可以自動識別具有該特征向量值的蝴蝶屬于哪個種類,從而達到自動識別的目的。 基于蝴蝶翅形態(tài)特征的自動識別系統(tǒng)中需要將蝴蝶標本的翅拆解下來,這樣才能對前后翅的形態(tài)特征進行測量,對標本具有破壞作用。而基于蝴
5、蝶翅正面顏色特征的自動識別系統(tǒng)只需要統(tǒng)計整個標本正面的顏色,不需要對翅進行拆解,對標本沒有破壞作用。 在獲取蝴蝶圖像時,光照的強度與光源本身的色溫會影響獲取到的蝴蝶圖像的顏色。為了保證在獲取蝴蝶標本圖像時顏色不會隨環(huán)境中光照的明暗與光源色溫的變化而改變,我們設計了專有的蝴蝶標本取像平臺。圖像獲取平臺包括:背景面光源(冷光源)、數(shù)字攝像機、鏡頭、環(huán)形Led白色光源、圖像平臺支架。該設備在獲取蝴蝶數(shù)字圖像時能較好地避免光照不均勻、背
6、景有陰影、光源強度變化、光源色溫變化等因素。比較適合于蝴蝶特征的提取與自動識別需要。實驗中所有蝴蝶標本圖像的獲取均在此平臺下完成。 基于蝴蝶正面顏色特征的自動識別系統(tǒng)中,我們采用了蝴蝶正面圖像的紅色、綠色、藍色、亮度4個一維顏色直方圖信息和紅色、綠色2個與光照顏色無關的色度二維直方圖信息做為蝴蝶的顏色模式特征。將所有顏色直方圖信息合并成一個顏色特征向量,共264個特征值作為蝴蝶的顏色模式特征。在直方圖計算過程中對直方圖做了階的縮
7、小,同時采用了離散的高斯低通濾波進行了直方圖平滑以減少噪聲的影響。同時對直方圖進行了基于面積的規(guī)一化操作,以使特征值對圖像大小不敏感。面積規(guī)一化操作時只統(tǒng)計蝴蝶本身的區(qū)域,對圖像中的背景像素沒有進行統(tǒng)計。蝴蝶區(qū)域從背景圖像中的分割采用了基于區(qū)域增長的圖像分割算法。實驗數(shù)據(jù)表明該方法統(tǒng)計的蝴蝶顏色信息對縮放與旋轉(zhuǎn)都有一定的不敏感性,比較適合于做為蝴蝶識別的特征值。 在Windows平臺下利用VisualC++編程語言設計了一個基于
8、顏色特征的蝴蝶自動識別軟件。模式識別機制采用徑向基神經(jīng)網(wǎng)絡。對于43種蝴蝶標本,每種取20個樣本。10個用來作為模式訓練用,10個作為識別準確率測試用。在計算機上的特定目錄下分別將不同種類的蝴蝶圖像放在以該蝴蝶名稱命名的不同目錄下,軟件可以對所有的蝴蝶圖像進行一次性批量的顏色特征提取與徑向基神經(jīng)網(wǎng)絡訓練,并能保存所有蝴蝶顏色特征值與神經(jīng)網(wǎng)絡訓練參數(shù)。需要識別蝴蝶種類時,只需要將蝴蝶標本放在與電腦相連的數(shù)字攝像機下。軟件可以直接獲取蝴蝶圖
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 計算機指紋自動識別技術(shù).pdf
- 基于計算機視覺的油菜生長過程自動識別研究.pdf
- 基于計算機視覺的蠶蛹性別自動識別系統(tǒng)研究.pdf
- 基于計算機視覺的故障自動識別系統(tǒng)的設計和實現(xiàn).pdf
- 管道缺陷的自動識別與計算機模擬技術(shù).pdf
- 基于計算機視覺的降水類型自動識別方法與系統(tǒng)研究.pdf
- 基于計算機視覺的織物組織結(jié)構(gòu)自動識別系統(tǒng)的開發(fā).pdf
- 印鑒圖像的計算機自動識別算法研究.pdf
- 人臉圖象的計算機自動識別研究.pdf
- 音樂情感的計算機分析與自動識別技術(shù)研究.pdf
- 基于計算機視覺的車輛識別技術(shù)研究.pdf
- 基于計算機視覺的手勢識別技術(shù)研究.pdf
- 基于計算機圖像處理的白細胞自動識別系統(tǒng).pdf
- 基于計算機視覺的果蔬識別技術(shù)的研究.pdf
- 基于計算機視覺的手勢識別.pdf
- 基于計算機視覺的大豆品種識別技術(shù)的研究.pdf
- 基于計算機視覺的織物組織結(jié)構(gòu)自動識別系統(tǒng)——圖像拼接算法研究與實現(xiàn).pdf
- 基于計算機視覺的麥田雜草識別技術(shù)研究.pdf
- 數(shù)字儀表動態(tài)顯示字符的計算機自動識別.pdf
- 基于計算機視覺技術(shù)的微小昆蟲自動計數(shù)研究.pdf
評論
0/150
提交評論