基于稀疏编码和SCG BPNN的鳞翅目昆虫图像识别

【目的】为了给林业、 农业或植物检疫等行业人员提供一种方便快捷的昆虫种类识别方法, 本文提出了一种新颖的鳞翅目昆虫图像自动识别方法。【方法】首先通过预处理对采集的昆虫标本图像去除背景, 分割出双翅, 并对翅图像的位置进行校正。然后把校正后的翅面分割成多个超像素, 用每个超像素的l, a, b颜色及x, y坐标平均值作为其特征数据。接下来用稀疏编码(SC)算法训练码本、 生成编码并汇集成特征向量训练量化共轭梯度反向传播神经网络（SCG BPNN）, 并用得到的BPNN进行分类识别。【结果】该方法对包含576个样本的昆虫图像的数据库进行了测试, 取得了高于99%的识别正确率, 并有理想的时间性能、 鲁棒性及稳定性。【结论】实验结果证明了本文方法在识别鳞翅目昆虫图像上的有效性。     

齐口裂腹鱼上溯过程中“冲刺-滑行”行为对水动力的响应

研究以西南山区特有鱼种齐口裂腹鱼(Schizothorax prenanti)为研究对象, 对其游泳行为模式进行量化解译, 寻找其偏好的水动力学条件, 构建水流条件与生态行为的纽带。运用具有流速梯度的水槽创造非均匀流场条件, 得到齐口裂腹鱼在室内试验水槽内上溯的视频图像。运用图像识别技术, 计算上溯全过程的游泳动力学指标摆尾角度与摆尾频率, 在此基础上实现生态学与水动力学的耦合研究。研究表明, 齐口裂腹鱼在上溯过程中喜好在具有流速梯度处通过改变摆尾角度和摆尾频率等来适应非均匀流场, 其喜好摆尾角度为25°—35°, 喜好摆尾频率为2.5—3.5次/s, 偏好流速为0.20—0.40 m/s。随着水流速度的增大, 摆尾角度呈现逐渐减小的趋势, 且齐口裂腹鱼偏好选择在流速由大变小的区域, 进行摆尾冲刺加速, 且更趋向于摆尾角度变化为“弱强弱”的摆尾模式。滑行阶段引入滑行流速系数, 量化表示摆尾角度、滑行距离和流速三者间的耦合关系, 通过计算滑行距离对水流负方向上位移的贡献率, 得到滑行方向与水流负方向夹角。研究表明, 滑行流速系数为1.0—3.0时具有代表性, 齐口裂腹鱼对滑行方向与水流负方向夹角的偏好为40°—60°。研究利用多指标量化评价的方法, 以复杂流场为背景条件, 进一步满足过鱼设施建设需求。     

植物叶形的计算机识别系统

植物叶形是识别植物的重要和常用形态特征, 建立计算机自动识别系统对于认识和正确识别植物十分重要。本文论述了植物叶形图像识别系统设计中的图像处理、特征提取及分类识别等问题。本系统采用Visual Basic.Net编程工具设计, 在Windows 2000/XP平台上通过叶片图像的输入、变换、平滑和分割等识别过程,实现了叶片图像的形状和叶缘特征的结果输出。实验结果表明, 该系统能够很 好地识别植物的叶形, 对14种植物337份叶片样本的叶形测试准确率达93.2%。为植物识别的进一步研究奠定了基础。     

利用制作生物模型突破有丝分裂与减数分裂图像识别的难关

针对部分学生无法准确辨识细胞分裂图像的现状,探索出让学生在实践中分辨有丝分裂与减数分裂图像之间的区别,学生通过亲自动手制作生物模型,感受细胞分裂过程,有效突破了有丝分裂与减数分裂图像识别的难关,取得了良好的教学效果。     

近红外窄带光照下不同水果背景中桔小实蝇的图像分割

【目的】为了增强水果背景中桔小实蝇Bactrocera dorsalis Hendel（双翅目实蝇科）的识别效果,研究了该种昆虫与不同水果之间的反射光谱差异。【方法】采用紫外 可见光 近红外分光光度计测量了桔小实蝇与16种水果在400~2 500 nm波段的反射光谱。在中心波长为565 nm和827 nm的窄谱带光源及日光3种光源分别照射下,分别拍摄各种水果背景中的桔小实蝇照片,并用大津Otsu算法对照片进行二值化处理。【结果】发现桔小实蝇的反射率随波长增加而缓慢地增大,最大反射率小于40%。而16种水果的最强反射峰全部或部分落在在777～896 nm。不同水果平均最大反射率为41.10%～97.89%,与桔小实蝇在此波段的低反射率（约30%）形成强烈的反差。在827 nm中心波长窄带光源照射下拍摄的照片中,发现桔小实蝇为黑色,而背景水果呈现大面积的白色,形成高反差,桔小实蝇很容易被辨识。相反,在日光和565 nm中心波长窄带光源照射的照片中,水果背景存在较多的黑色斑块,容易与桔小实蝇的黑区混淆;或者该虫形成白斑,从而无法识别。【结论】选用近红外波段的窄带光源照射能明显提高桔小实蝇与水果图像的对比度,增强桔小实蝇的分割效果。     

模糊与噪声对人耳识别性能的影响

目的:评价模糊与噪声对不同图像识别算法在人耳图像识别过程中的影响。方法:对500个清晰图像进行模糊和热噪声处理,比较方向梯度直方图(HOG)、局部相位量化(LPQ)和局部二值模式(LBP)三种不同的特征提取算法对生物识别性能的影响。结果:HOG、LPQ和LBP算法对清晰人耳图像的识别率都很高,在无噪声和模糊等信号衰减的情况下,识别率分别达到了85.96%、95.62%和91.36%。在这三种算法中,模糊和热噪声对人耳识别能力均有不同程度的下降。热噪声对人耳识别能力的影响显著高于模糊,但是当模糊和热噪声同时存在图像中时,模糊和噪声会互相加强,导致三种人耳识别算法均不能获得好的识别结果。结论:LPQ算法对模糊有较好的识别性,并且在人耳图像的获取和处理过程中可尽量减少热噪声的产生。     

昆虫图像分割方法及其应用

昆虫图像自动鉴定是一种快速鉴定昆虫的方法,图像分割则是其中关键步骤。通过搜集和整理国内外近年来针对昆虫图像的分割方法和研究,发现对昆虫图像分割的研究日趋增多。随着计算机图像技术的发展,昆虫图像分割方法吸收了许多图像分割领域中新兴的方法, 诸如采用水平集、边缘流以及结合形状、纹理、色彩等多种要素的智能分割(如JSEG方法)等。虽然大量的图像分割方法被引入到昆虫图像研究中,但是目前分割技术依然是阻碍昆虫图像广泛应用的关键。本文经过总结和分析,发现目前昆虫图像分割研究的往往在各自的测试集上有良好表现, 但是缺乏统一的评价标准, 因此很多方法在昆虫图像中应用难以推广。针对研究中的存在的这些问题,需建立良好的昆虫图像分割评价体系,本文建议通过建立统一的昆虫图像库以及对昆虫图像分割的评价方法深入研究,并且这些工作是当前昆虫图像分割研究亟待完善任务。     

基于Faster R-CNN的美国白蛾图像识别模型研究

昆虫监测中美国白蛾Hyphantria Cunea的人工辨识、分类费时费力,且主观性强。本文利用RPN人工神经网络模型对美国白蛾图像数据进行特征提取,并对比分析Inception_v2,ResNet50,ResNet101网络模型,设计了一种改进的美国白蛾人工神经网络识别模型IHCDM（Improved Hyphantria Cunea Artificial Neural Network Recognition Model,IHCDM）,采用端到端方法在GPU处理器上对该模型进行了训练,并对其进行了实验验证。结果表明：该模型对美国白蛾的识别准确率可达99.5%,相比于ResNet50与ResNet101网络模型,识别准确率提高了0.5%与0.4%。超参数微调后,在置信度阈值为0.85时,识别准确率99.7%,识别速度0.09 ms/张。IHCDM模型为美国白蛾的快速辨识、分类提供了一种新方法。     

基于深度残差神经网络迁移学习的 牙形刺图像识别

为了探索基于深度神经网络模型的牙形刺图像智能识别效果, 研究选取奥陶纪8种牙形刺作为研究对象, 通过体视显微镜采集牙形刺图像1188幅, 收集整理公开发表文献的牙形刺图像778幅, 将图像数据集划分为训练集和测试集。通过对训练集图像进行旋转、翻转、滤波增强处理, 解决了训练样本不足的问题。基于ResNet-18、ResNet-34、ResNet-50、ResNet-101、ResNet-152五种残差神经网络模型, 采用迁移学习方法, 对网络模型进行训练以获取模型参数, 五种模型测试Top-1准确率分别为85.37%、85.85%、83.90%、81.95%、80.00%, Top-2准确率分别为94.63%、94.63%、94.15%、93.17%、93.66%, 模型对牙形刺图像具有较好的识别效果。通过对比研究发现, ResNet-34识别准确率最高, 说明对于特征简单的牙形刺属种, 增加网络深度并不一定能提升准确率, 而确定合适深度的模型则不仅可以提高识别准确率, 还可以节约计算资源。通过ResNet-34模型的迁移学习训练和重新训练效果对比可以看出, 迁移学习不仅可以获得较高的准确率, 而且可以较快获取模型参数, 因而可作为小样本古生物化石图像识别的重要方法。研究还发现, 体视显微镜下牙形刺图像的识别准确率高于扫描电镜下图像识别准确率, 化石完整性和相似性、照相角度以及数据集的大小是影响图像识别准确率的主要原因。