形状和傅里叶变化特征的水稻害虫识别
1本文为了快速，准确的识别水稻害虫种类，采用显微镜成像专用相机拍摄了几种稻飞虱的图像，采用迭代阈值分割法对图像进行分割，之后采用形态学一系列处理技术将昆虫的背部提取出来。
目 录
Abstract1
Key words1
一 绪论1
1.1 课题研究的目的和意义1
1.2基于图像的昆虫识别研究现2
1.2.1国外研究状况2
1.2.2国内研究状况2
1.2.3面临的问题2
1.3.研究内容和技术路线3
1.3.1研究内容3
1.3.2技术路线3
二 图像处理与信息提取4
2.1图像拍摄4
2.2图像处理 4
2.2.1图像分割 4
2.2.2形态学滤波5
2.2.3提取躯干结果7
2.3信息提取8
2.3．1几何形状特征提取8
2.3.2背部频谱信息的提取10
三基于支持向量机的分类13
3.1支持向量机13
3.1.1线性分类13
3.2分类模型15
3.3识别结果16
四 总结 1 6
致谢17
参考文献18
基于形状和傅里叶特征的水稻害虫识别
计算机科学与技术专业学生 谢雨虹
指导教师 谢忠红
采用Hu矩提取了昆虫躯干的形状特征，对灰度化后的图片进行傅里叶变换获得了一系列频谱特征值。最后用二维频谱窗口提取数据作为特征参数，在libsvm平台上建立函数，构成支持向量机识别模型，正确识别率达到90%左右。研究结果表明本文提出的方法识别率较高。
Rice Pest Recognition Based on Shape and Fourier FectureStudent majoring in computer science and technology XIE Yuhong
Tutor XIE Zhonghong
Abstract：For *好棒文|www.hbsrm.com +Q: ^351916072*
identifying rice pests fastly and exactly ,in this study, microscopy imaging cameras was used to get some kinds pictures of rice planthopper,. The iterative threshold segmentation was used to segment the image . Morphological techniques was used to extract insects back.Hu moment was used to extract the shape of the insect body.Fourier transform was used to extract graylevel image spectrum..In the libsvm platform, The function was constructed to recognition model. The correct recognition rate reached about 90%. The results showed that the method proposed in this paper had a high rate of recognition.
Key words: rice planthopper; Morphological processing; Hu moment; Fourier transform；SVM；
1绪论
1.1课题研究的目的和意义
中国是一个农业人口占多数的大国，农业发展的越稳定，经济才会发展的越稳定，随之国家才会发展的越稳定。全中国水稻年产量达2000亿公顷，占世界总产量的一半以上，稻米是全国60%以上人口的主食[1]，水稻作为我国第一大粮食作物，在农业生产和食粮安全中占有极其重要的地位。而水稻害虫如稻飞虱类和螟类，严重威胁着水稻生产。农药的产生实为了解决农业害虫的危害，但目前出现的最关键的问题许多农田农药过量的施用导致了其他社会危害出现。因此，提前对农业害虫进行预测和报道，随后采取有效的防治显得尤为重要。在国内外，涉及昆虫图像识别的研究都很少，对涉农害虫进行图像识别的研究更是少之又少。在我国，农田相关的识别都是人工的。本课题的主要研究内容正是利用图像处理的相关技术和支持向量机等，对水稻害虫进行图像识别。先利用采集图像的机器获得涉农害虫的图像，接着对图像进行一系列的处理和分析，自动的识别出其种类，这样就能对田间的害虫活动情况有一定的判别和掌控，从而能大大减少人的工作负担，在初期及时的采取防治措施，及时有效地减轻农田害虫对农田造成的伤害，具有很高的社会应用价值。
基于图像的昆虫识别研究现状
基于图像的昆虫识别是通过对图像采集机器获得的图像进行处理，接着由系统去分析识别进一步给出该昆虫的种类，这就实现了昆虫种类的识别。对于植物检疫，涉农害虫的防治等方面具有重大的意义。到目前为止，基于图像的昆虫识别方面的技术和研究都还处于初步实践阶段。
1.2.1 国外研究状况
国外对基于图像的昆虫识别研究比较早，最早的报道是1982年北美的Daly[2]等利用计算机视觉技术成功地区分出不同地方的蜜蜂种类。Octavio A[3]等设计了一种带有尺度的田间真空搜集仪，可以有效的搜集西红柿上的成虫和幼虫，从而减少了有关马铃薯和西红柿的病毒疾病的传播。Habib和Nadipuram等利用神经网络学方面技术对棉花生态系统中的昆虫进行分类识别。对不同季节、不同条件状况下的昆虫,利用图像处理技术提取了多个特征值，然后利用神经网络学进行了昆虫的识别，识别率均高达90%以上[4]。Houle等[5]将果蝇作为研究识别的目标，开发出了一套昆虫图片获取设备而且是针对于活体昆虫，同时设计了一套与其相对应的图像分析系统叫Wingmachine。GilcMst等研制出一套能在MAC机上的运行的关于昆虫翅脉特征提取分析软件，叫做Morphometrika,能够实现区分果蝇为野生种群还是人工繁殖种群的[6]。
1.2.2 国内研究状况
近年来，国内也出现了一批学者对昆虫识别这个方面进行一些研究。沈佐锐[10]教授综合了昆虫形态学和数学形态学两种学科的特点,提出昆虫数学形态学的概念。他带领的科研队伍对许多种昆虫的各方面特征进行了统一的研究，研究出多种提取昆虫轮廓的算法不仅如此，还开发了图像处理系统，特征提取系统和品种识别系统。邱道尹[7]等先从粮食仓库中采集了一些粮食害虫的图像，接着对这些图像进行背景分割，然后从分割完之后的图片中提取了面积，周长等特征，采用模糊决策算法对这些粮虫进行品种的分类。河南工业大学的张红梅等[8]提取了粮食害虫在静态情况下的一系列特征如几何形状特征，纹理特征等，对这些特征进行分析后采用神经网络对其分类识别；研究结果显示：训练集的识别率为100%、验证集的识别率为83.33%、误识率10%、拒识率6.66%。张红涛等对粮食害虫的图像进行统一的预处理之后，提取了十几个几何形态特征，用支持向量机分类器对9种害虫分类，识别率能达到95%以上[9]。
目 录
Abstract1
Key words1
一 绪论1
1.1 课题研究的目的和意义1
1.2基于图像的昆虫识别研究现2
1.2.1国外研究状况2
1.2.2国内研究状况2
1.2.3面临的问题2
1.3.研究内容和技术路线3
1.3.1研究内容3
1.3.2技术路线3
二 图像处理与信息提取4
2.1图像拍摄4
2.2图像处理 4
2.2.1图像分割 4
2.2.2形态学滤波5
2.2.3提取躯干结果7
2.3信息提取8
2.3．1几何形状特征提取8
2.3.2背部频谱信息的提取10
三基于支持向量机的分类13
3.1支持向量机13
3.1.1线性分类13
3.2分类模型15
3.3识别结果16
四 总结 1 6
致谢17
参考文献18
基于形状和傅里叶特征的水稻害虫识别
计算机科学与技术专业学生 谢雨虹
指导教师 谢忠红
采用Hu矩提取了昆虫躯干的形状特征，对灰度化后的图片进行傅里叶变换获得了一系列频谱特征值。最后用二维频谱窗口提取数据作为特征参数，在libsvm平台上建立函数，构成支持向量机识别模型，正确识别率达到90%左右。研究结果表明本文提出的方法识别率较高。
Rice Pest Recognition Based on Shape and Fourier FectureStudent majoring in computer science and technology XIE Yuhong
Tutor XIE Zhonghong
Abstract：For *好棒文|www.hbsrm.com +Q: ^351916072*
identifying rice pests fastly and exactly ,in this study, microscopy imaging cameras was used to get some kinds pictures of rice planthopper,. The iterative threshold segmentation was used to segment the image . Morphological techniques was used to extract insects back.Hu moment was used to extract the shape of the insect body.Fourier transform was used to extract graylevel image spectrum..In the libsvm platform, The function was constructed to recognition model. The correct recognition rate reached about 90%. The results showed that the method proposed in this paper had a high rate of recognition.
Key words: rice planthopper; Morphological processing; Hu moment; Fourier transform；SVM；
1绪论
1.1课题研究的目的和意义
中国是一个农业人口占多数的大国，农业发展的越稳定，经济才会发展的越稳定，随之国家才会发展的越稳定。全中国水稻年产量达2000亿公顷，占世界总产量的一半以上，稻米是全国60%以上人口的主食[1]，水稻作为我国第一大粮食作物，在农业生产和食粮安全中占有极其重要的地位。而水稻害虫如稻飞虱类和螟类，严重威胁着水稻生产。农药的产生实为了解决农业害虫的危害，但目前出现的最关键的问题许多农田农药过量的施用导致了其他社会危害出现。因此，提前对农业害虫进行预测和报道，随后采取有效的防治显得尤为重要。在国内外，涉及昆虫图像识别的研究都很少，对涉农害虫进行图像识别的研究更是少之又少。在我国，农田相关的识别都是人工的。本课题的主要研究内容正是利用图像处理的相关技术和支持向量机等，对水稻害虫进行图像识别。先利用采集图像的机器获得涉农害虫的图像，接着对图像进行一系列的处理和分析，自动的识别出其种类，这样就能对田间的害虫活动情况有一定的判别和掌控，从而能大大减少人的工作负担，在初期及时的采取防治措施，及时有效地减轻农田害虫对农田造成的伤害，具有很高的社会应用价值。
基于图像的昆虫识别研究现状
基于图像的昆虫识别是通过对图像采集机器获得的图像进行处理，接着由系统去分析识别进一步给出该昆虫的种类，这就实现了昆虫种类的识别。对于植物检疫，涉农害虫的防治等方面具有重大的意义。到目前为止，基于图像的昆虫识别方面的技术和研究都还处于初步实践阶段。
1.2.1 国外研究状况
国外对基于图像的昆虫识别研究比较早，最早的报道是1982年北美的Daly[2]等利用计算机视觉技术成功地区分出不同地方的蜜蜂种类。Octavio A[3]等设计了一种带有尺度的田间真空搜集仪，可以有效的搜集西红柿上的成虫和幼虫，从而减少了有关马铃薯和西红柿的病毒疾病的传播。Habib和Nadipuram等利用神经网络学方面技术对棉花生态系统中的昆虫进行分类识别。对不同季节、不同条件状况下的昆虫,利用图像处理技术提取了多个特征值，然后利用神经网络学进行了昆虫的识别，识别率均高达90%以上[4]。Houle等[5]将果蝇作为研究识别的目标，开发出了一套昆虫图片获取设备而且是针对于活体昆虫，同时设计了一套与其相对应的图像分析系统叫Wingmachine。GilcMst等研制出一套能在MAC机上的运行的关于昆虫翅脉特征提取分析软件，叫做Morphometrika,能够实现区分果蝇为野生种群还是人工繁殖种群的[6]。
1.2.2 国内研究状况
近年来，国内也出现了一批学者对昆虫识别这个方面进行一些研究。沈佐锐[10]教授综合了昆虫形态学和数学形态学两种学科的特点,提出昆虫数学形态学的概念。他带领的科研队伍对许多种昆虫的各方面特征进行了统一的研究，研究出多种提取昆虫轮廓的算法不仅如此，还开发了图像处理系统，特征提取系统和品种识别系统。邱道尹[7]等先从粮食仓库中采集了一些粮食害虫的图像，接着对这些图像进行背景分割，然后从分割完之后的图片中提取了面积，周长等特征，采用模糊决策算法对这些粮虫进行品种的分类。河南工业大学的张红梅等[8]提取了粮食害虫在静态情况下的一系列特征如几何形状特征，纹理特征等，对这些特征进行分析后采用神经网络对其分类识别；研究结果显示：训练集的识别率为100%、验证集的识别率为83.33%、误识率10%、拒识率6.66%。张红涛等对粮食害虫的图像进行统一的预处理之后，提取了十几个几何形态特征，用支持向量机分类器对9种害虫分类，识别率能达到95%以上[9]。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1881.html
