基于計(jì)算機(jī)視覺技術(shù)的蝴蝶自動(dòng)識(shí)別研究.pdf

1、昆蟲的種類自動(dòng)識(shí)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(duì)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(duì)于識(shí)別來說存在著較大困難，因此對(duì)蝴蝶進(jìn)行種類自動(dòng)識(shí)別有著重要的意義。 該研究共收集了43種蝴蝶標(biāo)本，每種20個(gè)樣本，用于自動(dòng)識(shí)別。我們?cè)O(shè)計(jì)了兩種完全不同的蝴蝶自動(dòng)識(shí)別系統(tǒng)：一種是基于蝴蝶前、后翅形態(tài)特征的自動(dòng)識(shí)別系統(tǒng)；一種是基于蝴蝶正面顏色特征的識(shí)別系統(tǒng)。

2、 在基于蝴蝶翅形態(tài)特征的自動(dòng)識(shí)別系統(tǒng)中，我們?cè)O(shè)計(jì)了13個(gè)與大小尺度、方向均無關(guān)的幾何形態(tài)特征用來描述蝴蝶翅的形態(tài)。這13個(gè)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(gè)Hu不變矩。實(shí)驗(yàn)數(shù)據(jù)表明這13個(gè)形態(tài)特征能比較穩(wěn)定地區(qū)分實(shí)驗(yàn)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(gè)形態(tài)特征與后翅的13個(gè)形態(tài)特征合并成一個(gè)具有26個(gè)特征值的特征向量做為蝴蝶翅自動(dòng)識(shí)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(gè)形態(tài)特征值，我們?cè)O(shè)計(jì)了一個(gè)3層的徑向基的神經(jīng)網(wǎng)絡(luò)用來進(jìn)行蝴蝶的模式特征的自動(dòng)識(shí)別。對(duì)于43種實(shí)驗(yàn)用到的蝴蝶標(biāo)本，每一種取10個(gè)樣本。其中5個(gè)用來進(jìn)行模式樣本訓(xùn)練，5個(gè)用來進(jìn)行識(shí)別準(zhǔn)確率的測試。每一種蝴蝶翅的26個(gè)形態(tài)特征值與徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練的參數(shù)都會(huì)保存在數(shù)據(jù)文檔中。在Windows平臺(tái)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(dòng)識(shí)別軟件。對(duì)于要識(shí)別的蝴蝶，我們?nèi)∑淝俺崤c后翅放置在攝像機(jī)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(dòng)提取前翅與后翅的26個(gè)形態(tài)特征值，并組合成一個(gè)特征向量。利用已經(jīng)訓(xùn)練過的徑向基神經(jīng)網(wǎng)絡(luò)，系統(tǒng)可以自動(dòng)識(shí)別具有該特征向量值的蝴蝶屬于哪個(gè)種類，從而達(dá)到自動(dòng)識(shí)別的目的。 基于蝴蝶翅形態(tài)特征的自動(dòng)識(shí)別系統(tǒng)中需要將蝴蝶標(biāo)本的翅拆解下來，這樣才能對(duì)前后翅的形態(tài)特征進(jìn)行測量，對(duì)標(biāo)本具有破壞作用。而基于蝴

5、蝶翅正面顏色特征的自動(dòng)識(shí)別系統(tǒng)只需要統(tǒng)計(jì)整個(gè)標(biāo)本正面的顏色，不需要對(duì)翅進(jìn)行拆解，對(duì)標(biāo)本沒有破壞作用。 在獲取蝴蝶圖像時(shí)，光照的強(qiáng)度與光源本身的色溫會(huì)影響獲取到的蝴蝶圖像的顏色。為了保證在獲取蝴蝶標(biāo)本圖像時(shí)顏色不會(huì)隨環(huán)境中光照的明暗與光源色溫的變化而改變，我們?cè)O(shè)計(jì)了專有的蝴蝶標(biāo)本取像平臺(tái)。圖像獲取平臺(tái)包括：背景面光源(冷光源)、數(shù)字?jǐn)z像機(jī)、鏡頭、環(huán)形Led白色光源、圖像平臺(tái)支架。該設(shè)備在獲取蝴蝶數(shù)字圖像時(shí)能較好地避免光照不均勻、背

6、景有陰影、光源強(qiáng)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(dòng)識(shí)別需要。實(shí)驗(yàn)中所有蝴蝶標(biāo)本圖像的獲取均在此平臺(tái)下完成。 基于蝴蝶正面顏色特征的自動(dòng)識(shí)別系統(tǒng)中，我們采用了蝴蝶正面圖像的紅色、綠色、藍(lán)色、亮度4個(gè)一維顏色直方圖信息和紅色、綠色2個(gè)與光照顏色無關(guān)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(gè)顏色特征向量，共264個(gè)特征值作為蝴蝶的顏色模式特征。在直方圖計(jì)算過程中對(duì)直方圖做了階的縮

7、小，同時(shí)采用了離散的高斯低通濾波進(jìn)行了直方圖平滑以減少噪聲的影響。同時(shí)對(duì)直方圖進(jìn)行了基于面積的規(guī)一化操作，以使特征值對(duì)圖像大小不敏感。面積規(guī)一化操作時(shí)只統(tǒng)計(jì)蝴蝶本身的區(qū)域，對(duì)圖像中的背景像素沒有進(jìn)行統(tǒng)計(jì)。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(shí)驗(yàn)數(shù)據(jù)表明該方法統(tǒng)計(jì)的蝴蝶顏色信息對(duì)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(shí)別的特征值。 在Windows平臺(tái)下利用VisualC++編程語言設(shè)計(jì)了一個(gè)基于

8、顏色特征的蝴蝶自動(dòng)識(shí)別軟件。模式識(shí)別機(jī)制采用徑向基神經(jīng)網(wǎng)絡(luò)。對(duì)于43種蝴蝶標(biāo)本，每種取20個(gè)樣本。10個(gè)用來作為模式訓(xùn)練用，10個(gè)作為識(shí)別準(zhǔn)確率測試用。在計(jì)算機(jī)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(duì)所有的蝴蝶圖像進(jìn)行一次性批量的顏色特征提取與徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練，并能保存所有蝴蝶顏色特征值與神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)。需要識(shí)別蝴蝶種類時(shí)，只需要將蝴蝶標(biāo)本放在與電腦相連的數(shù)字?jǐn)z像機(jī)下。軟件可以直接獲取蝴蝶圖