[目的]本研究旨在探索使用计算机视觉技术实现对昆虫图像的自动分类方法.[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沿翅伸展的纵向和切向分成4个区域,对每个区域提取WLD(Weber Local Descriptor)和HoC(Histogram of Color)特征并归一化.WLD在灰度图像上提取,反映了翅图像的局部纹理特征.HoC则在HSI(Hue,Saturation,Intensity)颜色空间的彩色图像上提取,反映了每个区域的颜色分布信息.将双翅的各个区域的WLD和HoC按序连接后,得到该昆虫图像的特征向量.使用昆虫图像样本训练集提取到的特征向量训练SVM(Support Vector Machine)分类器,最后使用这些训练得到的分类器即可实现对鳞翅目昆虫的分类识别.[结果]该方法在包含10种576个样本的昆虫图像数据库中进行了测试,取得了100％的独立预测精度,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WLD结合HoC是一种有效的鳞翅目昆虫图像特征描述方式.
展开▼
