（农业昆虫与害虫防治专业论文）数学形态特征在昆虫分类学上的应用研究.pdf

摘要沦文对求属3 - 8 个目2 5 科的4 0 种昆虫利_ l f 计算机视觉技术进行了自动鉴别研究，从昆虫图像中提取和分析了这些昆虫的面积、周长、横轴长、纵轴长、形状参数、叶状性、球状性、圆形性、似圆度、偏心率、亮斑数等1 1 项数学形态特征( m m f ) ，井分别探讨了在目、总科、科及种分类阶元上这些数学特征在昆虫分类中的应用可能性和可靠性，利用聚类分析从数学形态学角度对所涉及到的同阶元昆虫类群的亲缘关系做了描述。，研究结果表明，半翅目、鞘翅目与鳞翅目的似圆度、偏心率、亮斑数总体均值差异显著，这3 个m m f 适宜在3 个目的分类鉴别中作为鉴别特征。总体来说，在作为目阶元分类特征时，各项m m f 的可靠性依次为：( 似圆度、偏心率、亮斑数) ( 叶状性、球状性、圆形性) 形状参数；在经过对金龟甲总科、叶甲总科、夜蛾总科、蚕蛾总科、风蝶总科的初步研究后，在总科阶元上，1 1 项特征的可靠性火小为：圆形性 ( 面积、周长、横轴长、球状性、似圆度、偏心率) ( 纵轴长、叶状性) ( 形状参数、亮斑数) 。圆形性比较适合作为总科阶元上的一个分类特征，而形状参数和亮斑数不适合作为总科阶元的分类特征：对蝽科、缘蝽科、夜蛾科、大蚕蛾科、粉蝶科、鳃金龟科、丽金龟科和天牛科的研究表明，在科的阶元上1 1 项特征可靠性大小依次为：( 似圆度、偏心率) ( 面积、周长、横轴长、球状性) ( 纵轴长、圆形性) ( 形状参数、叶状性) 亮斑数。似圆度和偏心率比较适合作为科阶元上的分类特征：对大蚕蛾科、粉蝶科和天牛科的1 2 种昆虫的研究表明，11 项特征在种阶元水平上对昆虫鉴别的可靠性由大到小依次为：周长 面积 纵轴长 横轴陡形状参数 ( 圆形性，亮斑数) 似圆度 ( 球状性，偏心率) 叶状性。从结果可以看出，有些特征在各个分类阶元上差异均不是很显著，如叶状性、形状参数，说明此类特征在昆虫中具有较强的共性，可以代表整体昆虫的特征，而不适合于作昆虫纲下阶元的分类特征；有些特征在各分类阶元下的差异始终比较显著，如周长、面积等，说明这些特征适合在各分类阶元上作为昆虫的分类特征。其它特征介于这两种情况之间。此外根据提取的m m f ，对采用可视化编程语言b o r l a n dc + + b u i l d e r5 0开发的昆虫图像处理和分析的软件系统b u g v i s u x 实现了瑟级，使之能够自动鉴别的昆虫种类由3 种增加到4 0 种，总体准确率达9 7 5 。，本论文在上述研究中体现了以下儿方面的特色和创新之处：l 、首次论述了数学形态学特征在昆虫分类上的作用。探讨了用计算机视觉技术较易提取的1 1 项昆虫m m f 在不同昆虫分类阶元上的应用可行性和可靠性。2 、从数学形态学角度对同分类阶元的昆虫类群的亲缘关系进行了研究。3 、对昆虫图像处理和分析系统b u g v i s u x 完成了升级。增加了横轴长、纵轴氏的特征提取，自动鉴别的种类由3 种增加到4 0 种。关键词：数学形磷征嫱衢而计算机视觉i | 毒术昆虫分类，自动鉴别iv。o 一0 nt h ea p p l i c a t i o no fm a t h m o p h o l o g i c a lf e a t u r eo ni n s e c tc l a s s i f i c a t i o np h d s t u d e n t ：h a n q i n gz h a os u p e r v i s o r ：p r o z u o r u is h e nd e p a r t m e n to f e n t o m o l o g y , c o l l e g eo f p l a n ts c i e n c ea n dt e c h n o l o g y , c h i n aa g r i c u l t u r a lu n i v e r s i t y , b e i j i n g1 0 0 0 9 4 ，c h i n aa b s t r a c tt h i sp a p e re x t r a c t e da n da n a l y s e di1m a t h - m o p h o l o g i c a lf e a t u r e s ( m m f ) s u c ha sa r e a ，p e r i m e t e r , x l e n g t h ，y - l e n g t h ，s h a p e - p a r a m e t e r ，l o b a t i o n ，s p h e r i c i t y , c i r c u l a r i t y ,r o u n d n e s s ，e c c e n t r i c i t ya n dh o l e n u m b e r b a s e do n4 0s p e c i e so fi n s e c t sw h i c hb e l o n g i n gt o8o r d e r s ，2 5f a m i l i e s a n dt h e nr a n k st h ea c c o u n t a b i l i t yo fl 1f e a t u r e se a c hi ni n s e c ti d e n t i f i c a t i o nw h i l ea s s e s s i n gt h e i ri m p l i c a t i o nt oi n s e c tt a x o n o m yo nl e v e l so fo r d e r , s u p e r f a m i l y , f a m i l ya n ds p e c i e s m o r et h a nt h o s e ，a l s od e s c r i b e st h ek i n s h i pa m o n gt h ei n s e c t so fv a r i o u sc a t e g o r i e sw i t h i nt h es a m el e v e lf r o mt h ep e r s p e c t i v eo fm a t h e m a t i c a lm o r p h o l o g yt h r o u g hc l u s t e ra n a l y s e s t h er e s u l tc l e a r l yi n d i c a l e st h a tt h ef e a t u r eo fr o u n d n e s s ，e c c e n t r i c i t ya n dh o l e n u m b e ro fh e m i p t e r a ，l e p i d o p t e r aa n dc o l e o p t e r av a r i e sr e m a r k a b l y a n dt h u sa r ea b l et os e r v ea sm e a n so fd i s t i n g u i s h i n gt h e3o r d e r s a saw h o l e ，t h er a n ka c c o u n t a b i l i t yo f m m fa st h ei d e n t i f i a b l ef e a t u r eo f o r d e ri s ，f r o mh i g h t o l o w ：( r o u n d n e s s ，e c c e n t r i c i t y ，h o l e n u m b e r ) ( l o b a t i o n ，s p h e r i c i t y ，c i r c u l a r i t y ) s h a p e p a r a m e t e r ：o nt h el e v e lo fs u p e r f a m i l y ，r e s u l to ft h ed il o ts t u d yo ns c a r a b a e o i d e a , c h r y s o m e l o i d e a ，n o c t u o i d e a ，b o m b y c o i d e aa n dp a p i l i o n o i d e as h o w st h a tc i r c u l a r i t y ( a r e a ，p e r i m e t e r , x l e n g t h ，s p h e r i c i t y ，r o u n d n e s s ，e c c e n t r i c i t y ) ( y l e n g t h ，l o b a t i o n ) ( s h a p e p a r a m e t e r ，h o l e n u m b e r ) c i r c u l a r i t yi ss u i t a b l et os e r v ea sm e a n so fd i s t i n g u i s h i n g5s u p e r f a m i l i e s h o w e v e r , s h a p e p a r a m e t e ra n dh o l e n u m b e ra r en o ts u i t a b l ea sf o rt h ef e a t u r e st od i s t i n g u i s h i n g5s u p e r f a m i l i e s o nt h el e v e lo ff a m i l y , i ti sc l e a rt h a tt h er a n ko ff e a s i b i l i t ya n dr e l i a b i l i t yo fi d e n t i f y i n gi n s e c t sa c c o r d i n gt ot h e i rm m fi s ：( r o u n d n e s s ，e c c e n t r i c i t y ) ( a r e a ，p e r i m e t e r ，x - l e n g t h ，s p h e r i c i t y ) ( y - l e n g t h ，c i r c u l a r i t y ) ( s h a p e p a r a m e t e r ，l o b a ti o n ) h o l e n u m b e r t h er a n kw a sg o to nt h es t u d yo f8f a m i l i e sw h i c hi n c l u d ei ip e n t a t o m i d a e c o r e i d a e 。n o c t u i d a e ，s a t u r n i i d a e ，p i e r i d a e ，m e l o l o n t h i d a e ，r u t e li d a e r o u n d n e s sa n de c c e n t r i c i t ya r es u i t a b l et os e r v ea sm e a n so fd i s t i n g u i s h i n g8f a m i l i e s ；i n t e g r a t i n gt h ea n a l y s e so fa l lt h e3f a m i l i e s ( s a t u m i i d a e ，p i e r i d a ea n dc e r a m b y c i d a e ) ，w ec a l lr a n kt h e11f e a t u r e sa c c o r d i n gt ot h e i rr e s p e c t i v ea c c o u n t a b i l i t yi ni n s e c ti d e n t i f i c a t i o na sf o l l o w s ：p e r i m e t e r a r e a y l e n g t h x 。l e n g t h s h a p e p a r a m e t e r ( c i r c u l a r i t y , h o l en u m b e r s ) r o u n d n e s s ( s e p h r i c i t y ，e c c e n tr i c i t y ) l o b a t j o n v i d e l i c e t ，t h i ss e q u e n c er e p r e s e n t st h ea c c o u n t a b i l i t yo ft h e11f e a t u r e si nd i s t i n g u i s h i n gi n s e c t so nt h el e v e lo fs p e c i e s a c c o r d i n gt ot h ea b o v er e s u l t s ，s o m ef e a t u r e sv a r i e sn o tr e m a r k a b l yo na l ll e v e l s ，s u c ha sl o b a t i o n ，s h a p e p a r a m e t e re t c t h i ss h o w st h a ts u c hk i n do ff e a t u r e sa r en e a r l ys a m ei na l ls p e c i e so fi n s e c t s ，a n dc a nr e p r e s e n tt h ef e a t u r es u i t a b l et od i s t i n g u i s ha l li n s e c t sf r o mo t h e rc l a s s e so fa n i m a l s o nt h eo t h e rh a n d ，t h e ya r en o ts u i t a b l ea sd i s t i n g u i s h a b l ef e a t u r e so fl e v e l sw h i c hl o w e rt h a nj n s e c tc l a s s s o m ef e a t u r e sv a r i e sr e m a r k a b l yo na l l i e v e l s s u c ha sp e r i m e t e r , a r e a , e t c t h i si n d i c a t e st h a tt h e s ef e a t u r e sa r es u i t a b l et os e v e ra sd i s t i n g u i s hf e a t u r e so fa l li n s e c tl e v e l s a sf o ro t h e r sf e a t u r e s ，t h e ya r eb e t w e e ni nt h e s et w os i t u a t i o n s as o f t w a r en a m e db u g v i s u xd e v e l o p e dt h r o u g hb o r l a n dc - h - b u i l d e r5 0w a su p g r a d e da n di tc a ni d e n t i f y4 0s p e c i e so fi n s e c t sb yt h em m fo fi n s e c t s t h ev e r a c i t yo fi d e n t i f i c a t i o na sh i g ha s9 7 5 t h eh i g h l i g h ta n di n n o v a t i o no f t h ep a p e ra r ed e s c r i b e da sf l o w s ：1 i m p l i c a t i o no fm m fo ni n s e c ti d e n t i f i c a t i o nw a sd i s c u s s e df o rf i r s tt i m e t h ea c c o u n t a b i l i t yo ft h ef e a t u r e se a c hi ni n s e c ti d e n t i f i c a t i o nw h i l ea s s e s s i n gt h e i ri m p l i c a t i o nt oi n s e c tt a x o n o m yw a sa l s oi n t r o d u c e d 2 t h ek i n s h i pa m o n gt h ei n s e c t so fv a r i o u sc a t e g o r i e sw i t h i nd i f f e r e n tl e v e lw a ss t u d i e df r o mt h ep e r s p e c t i v eo f m a t h e m a t i c a lm o r p h o l o g y 3 u p g r a d eo fi n s e c ti m a g ep r o c e s s i n ga n da n a l y s i n gs y s t e m ，b u g v i s u xw a sf i n i s h e d t w on e wf e a t u r e s ( l e n g t ha n dw i d t ho fi n s e c t ) w e r ea d d e di nt h en e we d i t i o n a n dt h ei n s e c t sw h i c hc a nb ei d e n t i f i e dw e r ei n c r e a s e df r o m3s p e c i e st o4 0s p e c i e s k e yw o r d s ：m a t h m o r p h o l o g i c a lf e a t u r e ( m m f )c o m p u t e rv i s i o nt e c h n o l o g yi n s e c tc l a s s i f i c a t i o nc o m p u t e r - a i d e di n s e c ti d e n t i f i c a t i o n致谢经过近三年的学习、：l ：作筹备和、r 年的反复修改，论文终于结稿了。和其他苦读的莘莘学子们一样，毕业之际我最想感谢的人也是自己的导师，沈佐锐先生。沈教授作为我的导师，三年来为我的学业倾注了大量一1 1 , 血，本论文的选题、设计、实施到撰写、审校，无不仰赖于他的辛勤教诲和悉心指导。更让我饮佩的是先生的人格魅力，他那勇于创新、不断开拓的治学精神：严谨求实、兢兢业业的科学态度：无私奉献，忘我拼搏的： 作作风：乐观向上、宽宏大度的师长风范等等无不使学生折服，必将让我受益终生，并激励着我在将来的1 ：作和生活中不畏困难，继续向前。感谢北京农林科学院吴钜文研究员、北京师范人学刘米福教授、中国农业人学胡敦孝教授对论文的审阅，他们对论文本身和i 将米的继续研究提出了很好的意见和建议，使我大受启发，收获颇多。感谢中国科学院动物研究所黄人卫研究员、李典谟研究员，北京农林科学院吴钜文研究员以及中国农业大学胡敦孝教授、彩万志副教授参加本论文的答辩会，从他们给予的肯定和鼓励以及提出的问题和建议中，让我对本研究的重要性有了更深的认识，并对将来进一步从事植保工作树立了信一1 1 , ，坚定了信念。学兄于新文博士对本研究提供了莫大帮助和热情指导，在他的亲切关怀和无私指点下，本研究才得以顺利进行。吴钷文先生以及本系的李志红副教授、高灵旺副教授、彩万志副教授、刘志琦副教授始终对本研究十分关心，并给予了大姑指导羽l帮助。中国农业大学信息学院的严泰米教授、澳人利亚的d a v i dw h i t e 教授也对本研究给予了热情鼓励和指导。在此对他们的教诲和帮助表示忠心的感谢。在论文工作中，得到了西北农林科技大学的刘铭汤教授、谢寿安博士、刘满堂副教授以及陕西林科院和山西农业大学多位老师的帮助，另外还要感谢西北农林科技大学9 8 级森保班的同学，在这些老师和同学们的关心和帮助下本研究所需要的昆虫图像采集和鉴定工作得以圆满完成。本研究得到了两项基金的资助：国家“十五”科技攻关计划( 2 0 0 1 b a 5 1 3 8 0 4 i ) 以及国家高技术研究发展计划课题( 2 0 0 1 a a 2 4 5 0 2 i ) ，因此它的成果也应当属于这两项基金。衷心感谢师母任会稳老师在生活和学习上对我无微不至的关怀。在辛苦的学习生活中，母亲般的温暖将让我铭记在一0 。也衷心感谢学友李正西博士、王小艺博士、乇卫华博士、龚鹏博士、李剑泉博+ 、张星硕士、李建军硕士、喻名扬硕士以及沈文君、吕昭智、马晓光、张建伟、国伟、卢健、句荣辉、钟敏等同学对我的支持和帮助，感谢王忠辉先生的大力帮助，与他们在一起，我愉快的渡过了难忘的三年。特别感谢我的父母、岳父母、姐姐、姐夫对我学业和生活的支持，感谢我的夫人张瑾对我的理解和鼓励。作者赵汗青2 0 0 2 年5 月于北京前言昆虫是地球上现存种类和数量都最人的一个生物群体。据估算，全世界存在的比虫总数超过一千万种。目前已经鉴定的种类约1 0 0 万种。昆虫和人类生活息息相关，人类很早就开始了对昆虫的研究。但是因为昆虫个体较小，种类繁多，给昆虫分类造成了很大的困难。直到目前为l r ，从事昆虫鉴定的工作还局限于数培极有限的昆虫分类学专业研究人员。这不仅有错于昆虫知识的普及，昆虫资源的利_ l j 及昆虫灾害的防治，而且对昆虫学领域乃至自然界生物规律的探讨也是不利的。在目前使用的昆虫分类方法中，无论是传统分类学还是数值分类学，对比虫进行分类的主要依据都是昆虫的身体特征。这些特征包括昆虫的颜色、斑纹、身体上的瘤突、刻点、纤毛及外生殖器、内部解剖结构等。对于昆虫的数学形态特征，除了体长和体宽外，所用甚少。但可以认同的是，昆虫的体型大小不一，形态再异，面积、周跃、偏心率、似圆度等等的一些数学特征只是限于手段的局限才没有戍剑分类中玄，而这些能够表现不同比虫类群身体形态的带化特征有可能更精确、全面的反映不同昆虫类群的差别。如果数学形态特征能够应h j 到昆虫分类学中，那无疑对推动昆虫分类学的发展具有革命性的意义。随着计算机科学的快速发展和j 。泛应埘，以计算机视觉技术为手段对比虫图象进行特征提取和分析成为可能。从而也就为这些特征的利j = l 提供了可能。科学技术的飞速发展，把全世界通过先进的传媒技术尤其是互联网紧密的连接在了一起，世界进入一个全新的信息时代。无怪乎有人说：“南美的一只蝴蝶煽动翅膀，在欧洲能掀起一阵风暴”，形象的说明了人们生活的距离被拉近，相互影响被加深，用“地球村”来形容并不为过。在信息时代里，数字化是其中的一个重要标志。计算机科技人员利用数字化的图像，甚至能为我们再现难辨真伪的恐龙模样。计算机视觉技术( c o m p u t e r v i s i o nt e c h n o l o g y ) 是以图象数字技术为基础，以计算机为依托的使计算机具有通过图象认知周嗣环境信息能力的技术。它的出现和快速发展使得计算机处理和分析图像的能力人大增强，不少生物学工作者平医学i 。作者开始尝试利用这种基于图像数字技术的先进手段来帮助完成本学科的研究，升且取得了较人的进展。在我们生活的数字时代，对世界上种类摄多数量晟大的生物类群昆虫的研究却极为有限。这既有昆虫种类繁多，分类难度较大的原因，同时也是冈为传统的昆虫分类方法，由于分类手段的限制，对昆虫的外在形态特征并不能充分利j 【f j ，因而目前还有数百万种昆虫不为人们所知。面对和我们人类共同生活在地球上的这个未知类群，对其进行分类是了解、利用、保护昆虫的前提。由于利用计算机视觉技术可以把昆虫图像的一些原来人们所难以提取的特征提取出来( 如面积、周长、似圆度等) 。因此进而利用这种技术把提取出的昆虫数学形态特征作为分类依据，实现让计算机鉴别昆虫，即昆虫的自动鉴别，便成了一个很令人感兴趣也是亟待探索的课题。那么能否借助图像数字技术来更好的描述昆虫的形态? 从而区分种类众多的昆虫? 不同的昆虫数学形态特征是否能代表不同的昆虫分类阶元特征? 变化万i v千的昆虫形态能揭示昆虫之间的进化关系吗? 本研究基于这个目的，通过从数字图像中提取昆虫的数学形态特征( m a t h m o r p o l o g i c a lf e a t u r e ，m m f ) ，对其在昆虫分类学上的应用进行了研究。论文共分九章，总体安排如图1 所示：第一章对计算机视觉技术及其在农业上的应剧以及昆虫分类学研究现状进行了综述，在详细描述技术背景的基础上论述了本研究的目的和意义( 有关计算机视觉技术在农业植保上的应_ = i 部分己发表在面向2 l 世纪的植物保护发展战略上) ：第二章介纠了昆虫图像的特征提取方法，对图像数字技术进行简介；第三章到第七章论述了昆虫数学形态特征在不同昆虫分类阶元上的应用。其中第三章介绍了昆虫数学形态特征的分析、统计方法；第四章介纠了昆虫数学形态特征在目阶元上的应用；第五章介绍了昆虫数字形态特征在总科阶元上的应刚：第六章介绍了昆虫数字形态特征在科阶元上的应蹦( 以上儿章拟在昆虫学报发表) ：第七章介绍了比虫数字形态特征在种阶元上的应用：第八章烂对比虫图像自动识别系统b u g v i s u x 的升级介纠( 此部分的相关内容发表在中国农业大学学报7 卷3 期上) ；第九章亦即最后一章里，提出了对本研究的讨论和总结。m m f 住比虫分类学上的应用计算机视觉技术在农业上的应用及昆虫分类学研究现状综述第一章昆虫图像技术第二章，第三章i第四章jj 第五章m m f 在不同昆虫分类弋阶元上的应用i 第六章ii 第七章昆虫图像识别软件研究总结第八章第九章绪论昆虫图像的特征提取特征分析方法m m f 在目阶元上的应川m m f 在总科阶元上的应刚m m f 在科阶元上的应川m m f 在种阶元上的戍川昆虫的自动鉴别研究b u g v i s u x 的升级进一步讨论及没想图1 论文的篇章结构，本论文主要是利用了计算机工具对昆虫分类学进行了探讨。由丁图象数字技术住很多刊物上都有了介绍，本文除了一些用到的核心方法外，其余不予赘述。条件所限，研究中疏漏之处在所难免，敬请各位读者批评指正。作者不胜感激。作者鞠躬2 0 0 2 年5 月于中国农业大学i p m i s t 实验室v第章绪论昆虫是动物界展大的一个类群，无论个体数量、生物龄、种类数还是基因数，它们在生物多样性中都t l i 有极为重要的地位。昆虫与人类的关系密切而复杂，有些种类能给人类的生活和生产造成巨火的危害利损失，有些种类则能给人类带来生态或经济上的重人利笳( 彩万志等，2 0 0 1 ) 。昆虫分类学作为研究昆虫晟基础的一fj 学科，对丁认识昆虫、了解昆虫、合理利_ i _ i j 和保护昆虫都具有十分重要的意义。新世纪中，人类面对很多科学难题，就昆虫学来说，我们首先要面对数百万种未知的昆虫，因此我们有责任不断发展昆虫分类学研究的技术和手段。为探索这个神秘而有趣的世界提供可靠的方法。人类感知外界事物主要靠视觉。视觉对环境信息的获取，具有其他感官无可比拟的高效率。计算机视觉技术( c o m p u t e rv i s i o nt e c h n o l o g y ) 就是让计算机通过图像获知目标环境的信息。计算机视觉技术的功能将不仅可使机器感知环境中物体的儿何信息一包括它的形状、位置、姿态、运动等，而且能够对它们进行描述、存储、识别与理解( b a i i a r d b r o w n 19 8 2 ：h a r a i i c k s h a p i f o 1 9 9 2 ：19 9 3 ：s h a p i r o r o s e n f e l d 1 9 9 2 ) 。由于这些功能的实现都是通过图像分析来完成的。因而图像数字技术是计算机视觉技术的关键。随着计算机视觉技术的发展及其在昆虫学中的应用，直接导致了一个新的分支学科一一昆虫数学形态学的诞生和发展( 沈佐锐，于新文，1 9 9 8 ) 。这门学科以昆虫图像为研究对象，以数学形态学为支撑，利用计算机视觉技术提取昆虫的数学形态特征，进而对昆虫分类、昆虫进化、比虫发育等进行研究和探讨。1 1 数学形态学与图象数字技术概述1 1 1 数学形态学的发展数学形态学( m a t h e m a t i c a lm o r p h o l o g y ) 最早起源于对岩相学的定量描述工作( m a t h e r o n 。1 9 7 5 ；s e r r a 。1 9 8 2 ) 。近年来在数字图像处理和机器视觉领域中得到广泛应用，并逐渐形成一门独立的分支学科。数学形态学是一门建立在集合论基础之上的学科，它还涉及到几何学、拓朴学、概率论、图论等( p a r k e r 1 9 9 6 ：唐常青，1 9 9 0 ) 。数学形态学用集合描述二值图像或灰皮图像中显示的不同的儿何形状，并说明日标的结构特点。在考察图像时，要设计一种收集图像信息的探针( pr o b e ) ，称为结构元素( s t r u c t ur i n ge l e m e n t ) 。结构元素通常是一些小的简单集合，如圆形、正方形等。观察者在图像中不断移动结构元素，可以考察图像中各个部分之间的关系从而提取有用的信息作结构分析和描述。如果能够得到适当的应用，数学形态学往往可以简化图像数据，剔除无关象素区域而保留必要的形状特征( h ar a i c h ，e ta 1 1 9 8 7 ) 。数学形态学在生物学中已有应用，j i a n g d e r k s e n ( 1 9 9 3 ，19 9 5 ) 应用数学形态学方法进行了农药雾滴图像的分析和评价：s h a t a d a ie ta l ( 19 9 5 a ) 提出了对图像中相接触的谷粒进行分离以利丁自动视觉检测数学形态学算法的实现，并利用该算法进行了图像谷粒的分离，进而提取了几何特征并进行分类( s h a t a d a le ta i 1 9 9 5 b ) 。但在昆虫学领域，数学形态学麻_ l l j 的报道则很少。1 1 2图像数字技术概述数字图像处理则可追溯到上f l i = 纪6 0 年代初期。1 9 6 4 年，美国喷气推进实验室( j e tpr o p u l s i o nl a b o r a t o r y ) 利计算机对太空船发回的月球图像信息进行处理，获得有关月球的很多重要信息。这主要得益于上世纪6 0 年代第三代计算机的研制成功和快速傅里叶变换的发现和应用，使一些大数据量图像计算可以实现，从而逐步开始利用计算机对图像进行加工利朋。在上世纪7 0 年代，图像数字技术有了蚝足的进步，出现了第一本重要的图像处理专著( r o s e n f e l d &k a k ，1 9 7 6 ) ，可以说代表了一l 、j 新学科的诞生，这就是数字图像处理( d i g i t a ii m a g ep r o c e s s i n g ) 。进入上世纪8 0 年代，各种硬件的发展使得人们不仅能处理2 d图像，而且开始处理3 一d 图像。许多能获取3 d 图像的没备和处理分析3 一d 图像的系统得以研制成功，图像的数字技术得剑广泛的席_ i j 。计算机技术在上世纪9 0 年代迎米了它的人发展，尤其是个人计算机p c 的迅猛发展，使得图像的数字技术己逐步涉及剑人类生活年社会发展的各个方面。以近年来得剑广泛宣传和应川的多媒体技术为例，幽像在其中占据了主要地位。而国际互联网i n t er n e t 上更是无处不充斥着经过处理的精美图像。其实，从广义上米说，文本，幽形、视象等都需要借助图像的数字技术才能在计算机上得剑充分利，l f j 。2展望2 1 世纪，尤其是在当前备受关注的数字地球以及数字中国概念正在由号召变为实际的科研活动之时( 徐冠华，19 9 9 ；杨崇俊，1 9 9 8 ：陈幼松，1 9 9 9 ) ，图像的数字技术必将得到更大的发展和应，从而改变人们的生活方式乃至整个社会结构。1 2 计算机视觉技术在农业上的应用现状计算机视觉技术作为人类视觉系统的进一步延伸，目前已住多个领域上得到广泛应用，尤以医学和农业为多。在农业中的应用潜力极大( m c d o n a l d c h e n 。1 9 9 0 ) ，甚至可能在一定程度上成为实现农业自动化的关键。计算机视觉技术在农业领域的应用包括：自动收获(w h i t t a k e re ta 1 19 8 7 ) 和农产品的检测和分级( w o l f e s w a m i n a t h a n 1 9 8 7 ) 、农作物识别( y o n e k a w a ，e ta l ，19 9 6 ) 、微生物以及植物分类( 武苏里等，2 0 0 0 ：pr u s i n k i e w i c ze ta 1 ，19 8 8 ；p r u s i n k i e w i c z l i n d e n m a y er ，1 9 9 0 ：p r u s i n k i e w i c ze ta 1 ，19 9 3 ) 、水果自动检测和分级( y a n ge ta 1 1 9 9 5 ：何东健等，1 9 9 8 ) 以及植物保护等( 赵汗青等，2 0 0 1 ：k e a g y s c h a t z k i1 9 9 3 ；z a y a s f l if i n 。19 9 8 ) 。1 3 昆虫图像识别技术进展概述随着计算机技术的不断发展进步，把计算机和数学形态学相结合应用到昆虫学中去，亦即昆虫数学形态学的产生和研究，已成为昆虫学发展的一个重要方向。开展昆虫图像的数学形态学研究不仅可以为昆虫形态学的研究提供一条新的途径，也为数学形态学的研究开拓了一个新的领域。昆虫数学形态学是由中国农业大学植保生态与智能系统实验室( i p m i s t 实验定) 首先提出的一个新的学科( 沈佐锐，于新文，1 9 9 8 ) 。主要包括利用昆虫图像对昆虫的数学形态特征加以提取和研究，探讨昆虫的数学形态特征与昆虫分类学、昆虫进化学、昆虫系统发育学之问的关系和应用。这个学科的基础和发展前提。是数学形态学和计算机技术的不断成熟和发展尤其是基于图像数字技术的计算机视觉技术的不断发展和应用。可以说，计算机视觉技术是昆虫数学形态研究的核心和关键。1 3 1 微小昆虫的自动计数3昆虫抽样调查是昆虫生态学理论与应川研究的基础，不仅种群数量动态规律的研究需要通过抽样凋查田间昆虫的数量，而且田间害虫抽样调查数据的准确性与可靠性是保障害虫预测预报成功的前提( j岩饮，19 8 0 ：19 9 4 ) 。当虫体很小时( 如蚜虫、螨类等) ，田间抽样调奁不仅劳动量很大，效率极低，而且计数的凼难往往造成很大误著。调查人员的经验、视力、情绪、疲劳以及环境因素，都会影响凋奄数据的准确性和可靠性。因而昆虫种群数龄调查的计数问题是目前研究【i 作中的一个瓶颈。尤其对蚜虫、粉虱等微小昆虫的计数，问题更为突出。计算机视觉技术为解决这个问题提供了可能。目前，温室白粉虱t r i a l e u r o d e sv a p o r a r i o r u m ( w e s t w o o d ) 的自动计数问题已得剑了较好解决( 沈佐锐，于新文，2 0 0 1 ) 。可以预见，昆虫数学形态学在微小昆虫的防治方面将大有用武之地。1 3 2昆虫的自动识别昆虫是地球生物类群中物种最丰富、数鼙最多的一类，因此也是最为重要的生物类群之一。尤其是一些农林昆虫，对农林业生产的影响极大。正确识别某种昆虫是了解其生物学特性，进行防治或加以利_ 【f j 的前提。但由于昆虫的种类太多，对昆虫的识别和分类是凼扰研究人员和普通农业生产者的一个难题。如何能实现对昆虫快速、准确的鉴定，是昆虫学家和所有从事与皑虫有关人员都极为关心的。利川对昆虫图像的研究来实现对昆虫种类的辨认无疑为这个问题的解决提供丁一条新思路。昆虫形态学是昆虫学中最老的一个分支，是研究皑虫形态、结构及其功能的科学( 忻介六等，1 9 8 5 ) ，已经形成比较形态学、动力形态学、超微形态学等分支( 管致和，1 9 8 1 ) 。由此可见，数学形态学和昆虫形态学都将其研究对象( 幽像和i 昆虫) 的形态特祉羽i 结构特征作为研究目标。如果数学形态学的研究对象为昆虫幽像，则数学形态学和昆虫形态学找到了一个很好的结合点，既可取昆虫形态学资料厚积，与昆虫分类学、系统发生学、昆虫生态学和进化论等其他学科已建立密切关系之所k ，义可补新学科资料尚缺，应h j 方向暂不很明确之所短；既可取数学形态学技术手段先进、理论方法丰富之所长，义可补传统昆虫形态学往往凭手】。检查，肉眼观察，仅凭直观特征做定性研究之所短。这种交义学科的优势将会很快地显示其理论意义年jj 廊4j j 前景。而计算机视觉技术的b 速发展和越来越广泛的麻_ 【 j ，为这两种学科的交叉提供了机缘。实际上，这也就是前文提到的一个新的分支学科一一昆虫数学形态学所赖以产生的基础。中国农业大学i p m i s t 实验室开发研制的昆虫图像自动识别软仆b u g v i s u x 为昆虫数学形态学研究提供了很好的 二具，并已实现了对棉铃虫h e l i c o v e r p aa r m i g e r ah 0 b n e r 、玉米螟o s t r i n i af u r n a c a l i sg u e n e e 和黑哎猎蝽e c t o m o c o r i sa t r o x ( s t & 1 ) 的自动识别，平均准确率达到了9 8 8 5 。目前该试验室正在对涉及8 个目、2 6 个科的4 0种昆虫进行自动识别及相关的数学形态学方面的研究，并且取得的进展有：实现了对4 0 种昆虫的白动鉴别，二叉式分类法总体准确率_ i 厶到了9 7 5 。根据对4 0 种昆虫面积、周艮、偏心率等1 1 项数学形态特征提取的结果，初步论证了昆虫的不同数学形态特征在昆虫分类学中的应用可行性、可靠性及范嗣。这部分结果将在本论文中详述。国外的科学家也利用计算机视觉技术对昆虫的鉴别做了很多研究。y ue ta l ( 19 9 2 ) 研制了能够鉴别5 种姬蜂昆虫物种半自动识别系统，这一系统利用物种昆虫翅的不同特征，识别准确率达到了10 0 。但是该系统要求相当多的用户干预，而且只是在有限集合内进行了测试，将其扩展到大量物种的鉴定时可能会出现问题。在北美洲，d a l ye ta l ( 19 8 2 ) 采用了相似的方法成功地鉴定了欧洲和非洲蜜蜂种类。蜜蜂也常被用来作基于特征识别的主要研究对象( d u p r a w ，l9 6 5 ：d a l y &b a l i i n g ，1 9 7 8 ；r i n d e r e re ta 1 ，19 9 3 ) 。l i u ( 19 9 6 ) 利用计算机视觉技术对卷蛾类昆虫的自动识别进行了研究，该研究以昆虫的翅脉为主要特征，采用相似性距离为判别的依据，判别结果比较可靠。但该研究只是以专业研究人员的手绘图作为图象源，尚不能对真实卷蛾标本进行鉴别，而且，在鉴定的过程中需要人为干预，例如用鼠标将翅脉模式圈上的若干结点拉到采集到的手绘图象对应的结点处，计算相似距离，进行判断( 该研究在日本完成，成果曾在我系进行演示) 。w e e k s ，g a u l de ta 1 ( 19 9 7 ) 在分析了人脸的检测和识别研究所取得的成果后，认为可以在昆虫图象的识别中采用类似的方法，实现了对姬蜂科的几个相似种的半自动化鉴定。刘景东( 1 9 9 6 a ，19 9 6 b ) 根据蝴蝶的翅脉的特征研制了蝴蝶识别的专家系统，实在了对5 6 种蝴蝶( 翅脉) 的识别。从上面的介绍可以看出，世界上到目前为止，还没有形成大规模的基于计算机视觉技术的昆虫种类鉴定研究。1 3 3需要深入探讨的一些问题由于传统的植保科技人员和计算机科技人员交流很少，因此严重制约了这两个学科之间的交义、发展。植保科技人员目前很难掌握最先进的计算机视觉技术，因而研制的一些软件人多存在着设计、技术上的问题，很少能达到专业计算机科研人员按照软件t ：科原理设计的专业软件水准，从而影响了植保专家的植保知识以软件为媒介住生产中的麻川。而专业计算机科技人员由丁缺乏植保知识，设计山的软仆无法满足植保科研、生产的需要。例如昆虫的数学形态特征在分类学上的应范围、适合予昆虫分类的新的数学形态特征的提取、基于昆虫数学形态学上的昆虫进化树与传统昆虫进化树的关系等等。这些问题还有待于昆虫学家和计算机科研人员的进步合作米解决。随着这两个研究领域交流合作的增加以及计算机技术的普及，相信包含着更高植保知识背景和应用先进计算机视觉技术的软件会大繁出现。1 4 昆虫分类方法研究概况昆虫分类学是门古老的学科，已有2 0 0 多年的历史，它是昆虫学其它分支学科的基础。近儿十年来随着现代, f - 技的e 逑发展，电子显微镜、计算机、分子生物生化技术等进入昆虫分类研究领域中，使这fj 科学无论在理论或方法上都发生了深刻变化，许多先前提出的分类系统逐渐得到改进完善或更换( 袁锋19 9 6 ) 。这些新技术的麻川还直接导致了人们认识、鉴别的昆虫种类人精增加，对昆虫分类学的发展起到了巨人作_ l 。现行的昆虫分类学派主要- 自四种，卵传统分类学派( tr a d i t i o n ar yt a x o n o m y ) 、数值分类学派( 1 3 u m er ic a lt a x o n o m y ) 、支序分类学派( c l a d i s t i cs y s t e m a t j c s ) 利进化分类学派( e v o l u t i o n a r yt a x o n o m y ) 。传统分类学派代表若较早的分类传统观念年| i 方法强调某些特祉能够代表或反映分类单元的本质，凡具有这类特祉者归丁一类，而这样的类群