基于混合特征图像处理的蛾类识别.ppt

毕业设计中期报告 题目 混合特征图像处理的蛾类识别姓名 学号 导师 2013年3月19日 ArtificialIntelligence 毕业设计主要内容 我国是农业大国 病虫害对农作物的破坏每年都会造成巨大的经济损失 如果能准确的监测不同地区的病虫害种类以及规模 就可以提前做好预防措施 将损失降低到最少 当前我国的病虫害预防检测多以人工为主 但是面临着效率低 经验丰富人员缺乏 时效性差等种种问题 国外已有一些害虫识别相关的研究 但是对于我国复杂的农业地理气候分布以及农民朋友们实际操作能力的差异 并不能起到很好的效果 ArtificialIntelligence 基于图像处理的混合模型蛾类识别 图像处理技术的飞速发展 为实现快速准确的害虫识别提供了基础 通过低成本的数字图像采集设备和简单的操作 配合互联网接入 我们可以构建一个高效便捷的害虫监测体系 而这其中的关键就是害虫的识别分类工作 目前针对昆虫识别的主要方法有基于颜色 形态 纹理等昆虫特征 针对不同种类的昆虫 效果各有千秋 一旦进入到实际操作 复杂的环境噪声将大大降低识别率 因此 我将引入多级处理 特征评估以及混合模型投票机制 来提高实际情况的害虫识别率 ArtificialIntelligence 研究计划 1 搜集材料 阅读文献 计划可行性评估 2周 2 不同模型代码实现 各个模型识别测试 2 4周 3 多级处理机制搭建 投票结构搭建 1周 4 混合模型构建 训练及改进 1周 5 完成代码调试 图形化界面 1周 6 模版图片及田野图片测试评估 1周 7 改进撰写论文 1周 可选部分 8 实现网络传输功能 可拍照上传 在线识别9 尝试编写手机客户端 手机完成识别或上传 ArtificialIntelligence ArtificialIntelligence 已完成部分 完成相关文献的阅读及可行性评价 边缘检测 图像增强 特征提取相关知识的学习 尝试了不同图像采集设备对昆虫图像的影响 手机数码相机单反相机摄像机电脑摄像头 不同图像格式及压缩算法对特征的影响 rawjpgtiff 中值滤波处理 独立阀值去噪实现 模版图像 基于Laplace算子的边缘检测实现 模版图像 多级处理机制的初步构建 ArtificialIntelligence 图像采集 预处理 采集设备手机数码相机单反相机摄像机不同设备及图像格式的影响 图像增强设备自带HDR处理功能 高宽容度 多重曝光技术 中值滤波 独立阀值去噪 依据临域点 相关性分布 去除椒盐噪声 残肢 干扰点 ArtificialIntelligence ArtificialIntelligence HDR处理效果对比 右侧为原图 ArtificialIntelligence ArtificialIntelligence 边缘检测Laplace算子 支持向量机 有待理解 实验效果好 准确分割背景 形态分类节肢型 正三角 等腰三角 其他根据形状初步分类判断昆虫类型 位姿 主轴方向 分类判断根据初步结果分类处理加权依据纹理 形态 颜色处理 边缘检测 图像分割 ArtificialIntelligence 多级处理 投票体系 运用不同算子 分类器分别处理 输出得票最多结果 多级处理 每级均将最优结果输至下一级并反馈上一级 将待处理图片加入模版 若最终识别成功 则将同一个体的不同姿态制成模版 不断添加 提高识别率 每一级将评估结果不好的图片或特征挂起避免浪费系统资源 做到优选优评 最终实现多级在线联网 利用网络数据库分类识别 ArtificialIntelligence ArtificialIntelligence Polianebulosa灰夜蛾 原始图像 HDR处理后的效果 ArtificialIntelligence 对HDR图像二值化操作 一般图像分割效果 对于轴对称纹理识别的研究 区域生长分割算法研究 图像特征评估机制的权重改善 多级处理的逻辑结构改进 代码精简 多平台实现 模版图像训练分类器 田野图片测试训练 面临问题 ArtificialIntelligence 计划 目标 计划 按照初定时间表进行 重点构建多级评估的逻辑结构 目前很不完善 尝试新的算子 算法 评估效果 用模版图片大量训练分类器 实