基于颜色直方图及双树复小波变换（DTCWT）的昆虫图像识别

为了给生产单位害虫管理的普通技术人员提供简便易操作的昆虫鉴别方法, 本文提出了一种新颖的基于图像颜色及纹理特征的昆虫图像识别方法。鳞翅目昆虫翅面图像经过预处理, 确定目标区域, 再进行特征提取。首先将彩色图像从三原色(red-green-blue, RGB)空间转换至色调饱和值（HSV）空间并提取有效区域内的色度、饱和度直方图特征, 然后经图像位置校准, 提取灰度图的双树复小波变换（DTCWT）特征; 匹配首先计算两颜色直方图特征向量之间的相关性, 将相关性大于阈值的样本再进一步用DTCWT特征匹配; DTCWT匹配通过计算Canberra距离实现, 从通过第一层颜色匹配的样本中取出最近邻作为最终匹配类别。算法在包含100类鳞翅目昆虫的图像库中进行试验验证, 取得了76%的识别率, 其中前翅识别率则达92%, 同时取得了理想的时间性能。试验结果证明了本文方法的有效性。     

三种广翅蜡蝉前翅形态数值特征提取与分析

【目的】广翅蜡蝉科昆虫是果园、茶园和园艺植物上的重要害虫之一,对其种类进行自动判别是实现其种群自动监测的基础。本研究拟通过获取3种广翅蜡蝉前翅轮廓特征探讨在其种类和性别鉴定中的作用。【方法】采用图像处理与分析技术,对3种广翅蜡蝉前翅轮廓形态特征进行提取和分析,并使用SPSS v22.0对数据进行分析。【结果】同一种广翅蜡蝉左右翅在轮廓形态上无显著差异,雌雄间各参数在不同种类广翅蜡蝉中差异性不同,其中5个实际测量参数在雌雄间差异达到显著或极显著水平,只有透明广翅蜡蝉的周长不显著。除周长和雄虫圆形度外,其它各类参数在种间的差异达到显著或极显著水平。通过典型判别分析,认为所选用的3种广翅蜡蝉,通过其前翅轮廓特征可以进行种间判别,其原始判别和交叉验证判别的正确率均超过90%。【结论】通过提取前翅轮廓特征可以实现3种广翅蜡蝉种类的识别,为此类昆虫的自动鉴定和种群监测提供了重要的参考依据。     

基于颜色名和OpponentSIFT特征的鳞翅目昆虫图像识别

【目的】本研究旨在探索使用先进的计算机视觉技术实现对昆虫图像的自动分类方法。【方法】通过预处理对采集的昆虫标本图像去除背景,获得昆虫图像的前景蒙板,并由蒙板确定的轮廓计算出前景图像的最小包围盒,剪切出由最小包围盒确定的前景有效区域,然后对剪切得到的图像进行特征提取。首先提取颜色名特征,把原来的RGB（Red-Green-Blue）图像的像素值映射到11种颜色名空间,其值表示RGB值属于该颜色名的概率,每个颜色名平面划分成3×3像素大小的网格,用每格的概率均值作为网格中心点的描述子,最后用空阈金字塔直方图统计的方式形成颜色名视觉词袋特征;其次提取OpponentSIFT(Opponent Scale Invariant Feature Transform)特征,首先把RGB图像变换到对立色空间,对该空间每通道提取SIFT特征,最后用空域池化和直方图统计方法形成OpponentSIFT视觉词袋。将两种词袋特征串接后得到该昆虫图像的特征向量。使用昆虫图像样本训练集提取到的特征向量训练SVM（Support Vector Machine）分类器,使用这些训练得到的分类器即可实现对鳞翅目昆虫的分类识别。【结果】该方法在包含10种576个样本的昆虫图像数据库中进行了测试,取得了100%的识别正确率。【结论】试验结果证明基于颜色名和OpponentSIFT特征可以有效实现对鳞翅目昆虫图像的识别。     

弯曲姿态蛾类幼虫的自动识别方法研究

【目的】为害态幼虫现场识别时, 幼虫常出现姿态弯曲情况, 使提取的特征向量失真, 影响幼虫的匹配识别结果。本文提出了一种基于扇形变换的姿态不变胡氏矩特征向量提取方法, 提取的病害幼虫特征向量具有平移、 比例、 旋转和姿态不变性, 可以实现粗短弯曲姿态幼虫的自动识别。【方法】首先在幼虫图像细化的基础上采用最优一致逼近法确定了幼虫的弯曲区域和非弯曲区域。然后, 幼虫的弯曲区域采用扇形变换实现校正变直, 非弯曲区域经旋转和平移与扇形变换后的区域拼接组成完整虫体; 采用八邻域均值法填充变换后虫体区域中的空白点, 实现幼虫像的弯曲自动校正; 在此基础上提取胡氏不变矩具有姿态不变性, 采用最小距离分类器实现了多姿态幼虫的自动识别。最后, 以多种弯曲姿态的斜纹夜蛾Prodenia litura、 棉铃虫Heliocoverpa armigera、 甜菜夜蛾Spodoptera exigua、 玉米螟Ostrinia nubilalis等病害蛾类幼虫为识别对象进行了识别验证。【结果】对于24种不同姿态的幼虫图像, 在80%的识别阈值条件下, 基于经典胡氏不变矩的幼虫识别率为25%, 基于姿态不变胡氏矩的识别率为100%。【结论】实验结果表明该方法对多种弯曲姿态的粗短幼虫具有较高的识别率。     

基于全场光学相干层析图像的人体肝组织癌变定量特征分析研究

利用实验室搭建的全场光学相干层析(FFOCT)系统对人体正常与癌变肝组织分别进行成像,获得了高分辨率的层析图像.针对人眼识别FFOCT图像时难以区分正常与早期癌变肝组织的问题,提取两者FFOCT图像的灰度特征并进行统计学分析,以实现在参数特征上区分两者的目的.结果表明,在正常与癌变肝组织初步提取的均值、方差和峰度等五个...     

基于微血栓运动分析的微血管特征结构自动提取

提出了一种基于微血栓运动分析的微血管特征结构自动提取策略。提出用灰度梯度直方图统计来自动选阈的快速阈值值化算法,检测形态复杂的微血管图像边缘,抑制次要的微血管,采用低阈值双窗二次角点选择策略选取边缘曲线角点。通过微血管显微图像及其二值化图像分析,建立反映含微血栓的微血管特征结构模型,利用微血管的先验知识,给出提取微血管特征结构的算法,最后给出微血管显微图像结构的提取结果,实验证明该算法是十分有效的。含微血栓的微血管的特征结构建立,复杂的微血栓的匹配和识别问题将得到简化,微血管及微血栓的形态变化及运动估算任务得以减轻。该研究对于脑微循环障碍和老年病的基础医学研究和临床实践具有十分重要的意义。     

基于启发式A^＊算法的超声图像颈动脉内膜提取

从超声图像准确提取颈动脉内膜,为基于颈动脉超声图像判断动脉粥样硬化服务。方法提出一种基于启发式A*算法从超声图像中提取颈动脉内膜边缘的方法。先使用图像分割法区分血管腔和血管壁,再采用结合图像灰度值特点的A*算法准确地提取颈动脉内膜边缘。结果通过对临床采集的32幅颈动脉超声图像的分析研究,表明本方法自动提取的结果与医生手工描绘的结果基本吻合。结论本方法有望应用于超声图像颈动脉内膜的自动提取。     

四种网蝽科昆虫外部形态特征提取与分析

随着计算机图像处理技术的发展,昆虫图像特征提取技术在昆虫分类学中的应用越来越广泛。相关的研究报道涉及到多种较大型昆虫和节肢动物,但对身体较小昆虫的外部形态特征提取与分析,及其雌雄鉴别方面的报道不多。本研究利用中国农业大学IPMist实验室开发的Bug Shape 1.0对体型较小的4种网蝽科Tingidae昆虫成虫进行了外部形态特征的提取,分析了所得参数在其种类和雌雄方面的差异。结果表明,获得的10个参数在4种网蝽成虫中差异均有高度统计学意义。4种网蝽雌雄成虫在面积、等效圆半径、偏心率、球状性和圆形度5个参数方面的差异有高度统计学意义,初步认为可以作为区别这4种网蝽雌雄成虫的重要指标。判别分析证明,4种网蝽交叉判别的正确率高达98.5%,对种类和性别同时进行判别时,交叉判别的正确率为85.0%。利用重心法得到的聚类分析结果符合传统昆虫分类学的结果,同一属的菊方翅网蝽Corythucha marmorata和悬铃木方翅网蝽C.ciliata优先聚为一类,其他2种网蝽先后分别聚类。本研究利用图像处理与分析技术得到的参数适合对此类昆虫进行种类和性别的鉴定,初步表明该技术在此类害虫分类鉴定中的科学性和可行性。     

基于高光谱成像和主成分分析的水稻茎叶分割

在单株水稻表型测量研究中,为了实现绿叶面积和茎叶相关表型参数的准确计算提供技术保障,茎叶的分割是非常重要的一步。传统的人工测量方法费时费力,且主观性较强,而基于普通相机拍摄的彩色图像进行分割效果很差。本研究介绍了一种使用可见光-近红外高光谱成像系统自动区分单株盆栽水稻茎叶的方法。首先将各波长下的图像从原始二进制数据中提取出来,接着使用主成分分析所有波长下的图像,并提取出主要的主成分图像,再基于数字图像处理技术将茎叶区分开。实验结果表明,本系统以及文中所用方法对分蘖盛期的水稻茎叶有很好的分割效果,这为后续水稻茎叶表型性状高通量、数字化、无损准确提取提供了重要的技术保障,并进一步促进植物表型组学的发展。     

使用图像特征构建快速有效的蛋白质折叠识别方法

蛋白质结构自动分类是探索蛋白质结构- 功能关系的一种重要研究手段。首先将蛋白质折叠子三维空间结构映射成为二维距离矩阵,并将距离矩阵视作灰度图像。然后基于灰度直方图和灰度共生矩阵提出了一种计算简单的折叠子结构特征提取方法,得到了低维且能够反映折叠结构特点的特征,并进一步阐明了直方图中零灰度孤峰形成原因,深入分析了共生矩阵特征中灰度分布、不同角度和像素距离对应的结构意义。最后应用于27类折叠子分类,对独立集测试的精度达到了71.95 %,对所有数据进行10 交叉验证的精度为78.94 %。与多个基于序列和结构的折叠识别方法的对比结果表明,此方法不仅具有低维和简洁的特征,而且无需复杂的分类系统,能够有效和高效地实现多类折叠子识别。     

相对特征在昆虫目级阶元图像自动鉴定中的应用

应用计算机图像技术并结合昆虫分类学原理,设计和开发了一套"昆虫目级阶元标本图像自动鉴定系统",提出了一组基于昆虫标本图像的相对特征,并通过前馈人工神经网络方法进行鉴定测试.测试结果表明,相对特征应用于昆虫目级阶元图像的自动鉴定是有效的,在对7个常见昆虫目的测试中,系统表现出良好的准确性和稳定性,最高正确识别率可以达到95%.     

常用医学图像“局部显微镜”程序的研究

在医学临床和科学研究中,常常需要将图像的某个感兴趣区域(ROI)进行放大显示,以便清晰地观察图像的细节.为了实现这一目标,采用IDL语言(Interactive Data Language)编写了应用程序,从而实现了医学图像“局部显微镜”的功能.一系列实验表明:对于各种常用的医学图像类型(灰度图像、RGB图像、DICOM图像等),程序均能较好地实现放大显示的功能.此外,该程序还具有人机交互性强、可移植性高等优点.     

磁共振肿瘤矩特征信息研究

目的:采用MR脑肿瘤图像分割与矩方法进行结合,以获取特定器官及组织的轮廓。方法:对MR脑肿瘤图像进行分割,并对分割的结果进行矩描述。通过分析当前常用的医学图像分割方法,采用了一种基于形变模型的医学图像分割方法,并按照相应的理论算法模型和实现步骤对医学图像进行了处理,最后用Visual C 6.0编程,并对MR脑肿瘤图像进行分割实验。结果:从切割的图形中可以看出,本分割方法分割边界清晰,总体不确定性较小,利用矩技术所提取的图像特征在基于内容的图像检索中是有效的。结论:本分割方法切实可行,分割效果较好,为进一步的MR脑肿瘤图像分析和研究提供了一种有效工具。     

基于神经网络中的NNTool对小鼠皮肤的识别方法

研究皮肤纹理经过UVB光照射后的变化情况并对其进行识别。具体地,采取图像纹理分析方法,对经过光照射后不同时期的小鼠皮肤图像提取纹理特征,进而建立一种新的皮肤纹理识别模型。采用空间灰度共生矩阵法提取图像纹理的4个主要特征,即:能量,熵,惯性矩,相关度,然后利用神经网络中的NNtool对皮肤纹理图像进行训练和分类识别。实验结果很好地证明了这种纹理分析和识别方法的可行性和有效性。     

梨小食心虫自动监测识别计数系统研制

针对果园梨小食心虫监测中存在的人工计数调查费力且欠准确的问题,本研究设计了一种基于性诱的害虫自动监测装置,通过构建配套的图像处理系统实现了害虫自动识别计数。应用诱芯与粘虫板相结合进行害虫诱捕;机器视觉定时采集粘虫板图像;基于Visual C#与Matlab混合编程,构建害虫自动识别计数系统。并在桃园应用研制的性诱害虫自动监测系统对梨小食心虫监测结果进行比较。结果显示:自动监测装置的平均诱捕率为89. 58%;梨小食心虫平均识别准确率为94. 11%。表明该自动监测系统的害虫诱捕率和识别准确率均高,提高了害虫监测识别的效率,在害虫监测中具有广阔的应用前景。     

基于Mel倒谱系数和矢量量化的昆虫声音自动鉴别

为了给生产单位害虫管理的普通技术人员提供简便易操作的昆虫种类鉴别方法, 本研究把人类语音识别领域的先进技术应用于昆虫识别, 提出了一种新颖的昆虫声音自动鉴别方法, 用声音参数化技术为昆虫声纹识别设计了一种简单易行的方案。声音信号经过预处理、分段得到一系列的声音样本, 从声音样本提取Mel倒谱系数（MFCC）, 并用Linde-Buzo-Gray（LBG）算法对提取的MFCC进行矢量量化(VQ), 所得码字作为声音样本的特征模型。特征参数之间的匹配用搜索最近邻的方法实现。本文方法在包含70种昆虫声音的库中进行了试验, 取得了超过96%的识别率和理想的时间性能。试验结果证明了该方法的有效性。     

基于邻域最大差值与区域合并的油茶毒蛾幼虫图像分割

【目的】油茶树害虫的种类较多,其中油茶毒蛾Euproctis pseudoconspersa幼虫是危害较大的害虫之一。为完成油茶毒蛾幼虫的自动检测需要对其图像进行分割,油茶毒蛾幼虫图像的分割效果直接影响到图像的自动识别。【方法】本文提出了基于邻域最大差值与区域合并的油茶毒蛾幼虫图像分割算法,该方法主要是对相邻像素RGB的3个分量进行差值运算,最大差值若为0,则进行相邻像素合并得出初始的分割图像,根据合并准则进一步合并,得到最终分割结果。【结果】实验结果表明,该算法可以快速有效地将油茶毒蛾幼虫图像中的背景和虫体分割开来。【结论】使用JSEG分割算法、K均值聚类分割算法、快速几何可变形分割算法和本文算法对油茶毒蛾幼虫图像进行分割,将结果进行对比发现本文方法的分割效果最佳,且处理时间较短。     

基于灰度共生矩阵的人体皮肤纹理分析

对纹理图像的分析及特征提取是近年来图像处理领域的研究热点,在现实中有广泛的应用价值。灰度共生矩阵已被理论证明是图像纹理分析的一个很好的方法。为了使灰度共生矩阵所提取的特征值能够更好地描述皮肤老化的灰度分布信息,以不同年龄层的女性的不同部位的皮肤纹理图像作为研究对象,对采集到的图像进行预处理,采用灰度共生矩阵法提取纹理的特征值,通过统计分析得出了特征值的变化规律。实验结果对皮肤老化研究及其纹理分析有参考意义。     

梨冠网蝽数学形态特征的提取与分析

【目的】利用图像处理技术获取昆虫外部数学形态特征,并用于雌雄个体判别,对其远程鉴定具有重要意义。本研究的目的是通过对图像获取技术的研究,获得梨冠网蝽Stephanitis nash Esaki et Takeya雌雄个体差异的参数指标。【方法】利用中国农业大学IPMist实验室开发的BugShape(v1.0)软件对梨冠网蝽成虫的外部数学形态特征进行提取,并使用SPSS(v22.0)对数据进行分析。【结果】扫描分辨率高低对部分参数有显著影响,其中周长、中胸宽、中胸宽/腹宽等参数随着分辨率的增加而增大。软件自动测量参数(面积、等效圆半径、偏心率、紧凑度、圆形度)和手动测量参数(中胸宽、腹宽、体长/中胸宽、体长/腹宽、中胸宽/腹宽)在雌雄个体间存在显著差异。在4800dpi时,手动测量梨冠网蝽的体长为2.25mm左右,雌性成虫的中胸宽和腹宽分别比雄性成虫宽0.02mm和0.19mm。在1200dpi分辨率下,利用手动测量参数对雌雄个体进行判别时,交叉验证判别正确率达99%,仅使用自动测量参数进行判别时,交叉验证判别的正确率为79%,而同时使用两类参数时,交叉验证判别正确率为97%。【结论】利用图像处理技术对梨冠网蝽进行雌雄识别时扫描的最佳分辨率为1200dpi,获取到的部分参数在雌雄个体间存在显著差异,可以作为判别其两性的参考指标。