昆蟲圖像語義標注技術(shù)的研究.pdf

1、隨著昆蟲學研究對象的不斷深入和擴展，昆蟲學領(lǐng)域產(chǎn)生了越來越多的圖像數(shù)據(jù)，使得圖像數(shù)據(jù)庫開始急速膨脹，從而使研究人員難以方便、快速、準確地查詢和檢索到所需要的圖像信息。因此，昆蟲圖像標注是昆蟲圖像檢索領(lǐng)域一個具有重要價值的研究熱點。本文主要對鱗翅目、鞘翅目和直翅目三類昆蟲圖像標注技術(shù)進行了深入的研究。論文的主要工作如下：
　　 (1)設(shè)計了針對三類昆蟲圖像的預處理模型。該模型主要通過平滑濾波、背景濾除及孤立噪聲點處理三部分結(jié)合實現(xiàn)

2、。實驗結(jié)果表明該過程不僅能較好完成預處理操作，同時也較好地將對象從圖像背景中分割出來。
　　 (2)提取了直翅目和鞘翅目昆蟲的軀體形狀特征。實現(xiàn)主要操作包括：形態(tài)學膨脹與腐蝕處理、CANNY邊緣檢測，最后提取了軀體輪廓的全局形狀特征。實驗結(jié)果表明，在獲取了較準確的軀體輪廓后，能夠較好地提取到全局形狀特征。
　　 (3)提取了三類昆蟲圖像的紋理特征。實現(xiàn)方法是直接計算三類濾除背景的昆蟲圖像共生矩陣的特征值。實驗結(jié)果表明在固

3、定圖像大小的情況下可以實現(xiàn)快速提取，但是當圖像的尺寸變大時，灰度共生矩陣算法的時間復雜度會急速增長，提取時延也會明顯變大。
　　 (4)研究了神經(jīng)網(wǎng)絡(luò)算法和SVM支持向量機算法的實現(xiàn)原理，并分析對比了這兩種算法的優(yōu)劣勢，并使用SVM支持向量機完成了基于紋理特征和形狀特征的分類識別。實驗結(jié)果表明使用SVM支持向量機對三類圖像的分類準確率達到了85％，而后兩類圖像的分類準確率達到88.33％。
　　 (5)三類昆蟲圖像目級語