图像处理论文：图像处理 特征提取 分类识别 语义标注

图像处理论文 昆虫图像语义标注技术的研究图像处理论文 昆虫图像语义标注技术的研究 中文摘要 随着昆虫学研究对象的不断深入和扩展 昆虫学领 域产生了越来越多的图像数据 使得图像数据库开始急速膨胀 从而 使研究人员难以方便 快速 准确地查询和检索到所需要的图像信 息 因此 昆虫图像标注是昆虫图像检索领域一个具有重要价值的研 究热点 本文主要对鳞翅目 鞘翅目和直翅目三类昆虫图像标注技 术进行了深入的研究 论文的主要工作如下 1 设计了针对三类昆 虫图像的预处理模型 该模型主要通过平滑滤波 背景滤除及孤立 噪声点处理三部分结合实现 实验结果表明该过程不仅能较好完成 预处理操作 同时也较好地将对象从图像背景中分割出来 2 提取 了直翅目和鞘翅目昆虫的躯体形状特征 实现主要操作包括 形态 学膨胀与腐蚀处理 CANNY 边缘检测 最后提取了躯体轮廓的全局形 状特征 实验结果表明 在获取了较准确的躯体轮廓后 能够较好地 提取到全局形状特征 3 提取了三类昆虫图像的纹理特征 实现方 法是直接计算三类滤除背景的昆虫图像共生矩阵的特征值 实验结 果表明在固定图像大小的情况下可以实现快速提取 但是当图像的尺 寸变大时 灰度共生矩阵算法的时间复杂度会急速增长 提取时延也 会明显变大 4 研究了神经网络算法和 SVM 支持向 英文摘要 As the research of objects in entomology is deepened and expanded unceasingly there are more and more insect images made in entomology fields resulting in the dilation of insects database which makes the researchers difficult to query and retrieve their needed images information conveniently fast and accurately So it is a research hot spot to study annotation of insect images which is of important value And in this paper the annotations of the lepidoptera coleoptera and orthoptera insect images wer 关键词 图像处理 特征提取 分类识别 语义标注 英文关键词 Image processing Feature extraction Classification recognition Semantic annotation 索购全文索购全文 联系联系Q1Q1 138113721138113721 Q2Q2 139938848139938848 同时提供论文写作一对一辅导和论文发表服务同时提供论文写作一对一辅导和论文发表服务 保过包发保过包发 目录 昆虫图像语义标注技术的研究 中文摘要 4 6 ABSTRACT 6 7 1 绪论 12 17 1 1 课题 研究的背景及意义 12 1 2 国内外研究现状及发展趋 势 12 14 1 2 1 图像标注的国内外研究现状及发展 12 13 1 2 2 昆虫图像标注技术的研究现状及发展 13 14 1 3 本文主要研究内容及章节安排 14 17 1 3 1 主要内容 14 15 1 3 2 章节安排 15 17 2 昆虫图像预处理 17 27 2 1 引言 17 2 2 昆虫图像的特点 17 19 2 3 昆虫图像的平滑处理 19 24 2 3 1 均值滤波 19 21 2 3 1 1 3 3 均值滤波 20 2 3 1 2 超限领域平均滤波 20 21 2 3 1 3 选择式掩模滤波 21 2 3 2 中值滤波 21 22 2 3 2 1 N N 中值滤波器 22 2 3 2 2 十字型中值滤波器 22 2 3 3 均值滤波器和中值滤波 器的分析比较 22 24 2 4 背景处理 24 25 2 5 黑白点噪声处理 25 26 2 6 实验结果分析 26 27 2 6 1 滤波处理实验结果分析 26 2 6 2 背景处理实验结果分析 26 2 6 3 孤立黑白点 实验结果分析 26 27 3 昆虫图像特征提取 27 42 3 1 引言 27 3 2 形状特征提取 27 38 3 2 1 区域填充 27 28 3 2 2 形态学处理 28 33 3 2 3 边缘提取 33 36 3 2 3 1 Sobel 边缘检测算子 33 34 3 2 3 2 拉普拉斯边缘检测算子 34 3 2 3 3 CANNY 边缘检测算子 34 35 3 2 3 4 实验结 果与比较分析 35 36 3 2 4 特征提取 36 38 3 3 纹理特征提取 38 41 3 3 1 基于图像灰度共生矩 阵的纹理特征提取 38 41 3 4 实验结果分析 41 42 4 图像分类 42 53 4 1 引言 42 43 4 2 BP 神经网络分类器算法介绍 43 46 4 2 1 BP 神 经网络结构的设计 43 44 4 2 2 BP 神经网络的学习 训练 44 46 4 3 SVM 支持向量机算法介绍 46 49 4 3 1 线性可分支持向量机 46 47 4 3 2 线性不可分 支持向量机 47 48 4 3 3 非线性可分支持向量机 48 49 4 4 BP 分类器与 SVM 分类器的对比分析 49 51 4 4 1 BP 神经网络的性能分析 49 50 4 4 2 SVM 支持 向量机的性能分析 50 51 4 5 SVM 支持向量机训练学 习 51 52 4 6 分类识别 52 4 7 实验结 果分析 52 53 5 昆虫图像的语义标注 53 64 5 1 引言 53 5 2 图像语义标注技术介绍 53 56 5 2 1 无监督语义标注 53 54 5 2 2 监督语义标注 54 55 5 2 3 两种模型的比较分析 55 56 5 3 昆虫图像语义标注模型 56 60 5 3 1 目级语义标注 模型 56 57 5 3 2 科级语义标注模型 57 60 5 3 2 1 直翅目昆虫的形态特征分析 58 5 3 2 2 科 级语义标注 58 60 5 4 标注性能评价机制 60 61 5 5 实验结果分析 61 64 5