圖像分割和邊緣檢測方法在昆蟲圖像中的應用.pdf

1、本文所研究的內(nèi)容是昆蟲識別的前期工作，為昆蟲識別提供有利于特征提取的分割圖像。由于昆蟲的主要識別特征包括幾何特征、顏色特征、紋理特征等，可以通過一系列的特征數(shù)據(jù)進行判斷（如區(qū)域面積、邊界周長、孔洞數(shù)、似圓度、偏心率等），這些數(shù)據(jù)間接反映了昆蟲的許多自然特點，如身體的形狀、顏色、體斑的多少、有無顎、觸角及其形狀如何等。因此需要首先對于昆蟲圖像進行分割操作，提取到便于進行特征數(shù)據(jù)計算的昆蟲分割圖像。主要進行三個步驟的操作并獲得相應的分割圖像

2、：
　　1、從復雜的彩色圖像中分離昆蟲對象。要研究的對象是昆蟲，在提取昆蟲的識別特征前應首先去除圖像中除昆蟲外的背景部分，以避免干擾。自然彩色圖像的背景較為復雜，在去除時使用基于透明度的景物提取方法，本文中比較了Ruzon&Tomasi方法以及Poisson方法，并取得了實驗結(jié)果，其結(jié)果圖像的質(zhì)量能夠滿足邊緣檢測和分割的要求。
　　2、使用邊緣檢測和分割算法提取昆蟲的邊界圖像和有較好斑特征或翅紋特征的分割圖像。根據(jù)要提取的幾

3、何特征（區(qū)域面積、區(qū)域周長、偏心率、孔洞數(shù)、似圓度等）的要求，使用邊緣檢測方法獲得昆蟲的邊界，以提取昆蟲的整體形狀，使用圖像分割方法提取昆蟲身體上的斑或翅紋，為計算孔洞數(shù)、似圓度等判斷昆蟲的斑特征和翅紋特征的數(shù)據(jù)提供了依據(jù)。在邊緣檢測算法的選擇上，比較了幾種常用的一階微分算子的優(yōu)劣，并在Canny算子的基礎(chǔ)上提出了基于最大類間、類內(nèi)距離比值的自動雙閾值改進算法。在提取斑和翅紋的分割算法的選擇上，對鱗翅目昆蟲使用基于模糊集合的熵方法，為改

4、善帶有陰影的鞘翅目昆蟲圖像分割的效果，本文提出了基于局部閾值的最佳熵閾值分割方法。
　　3、獲得軀干和足、觸角、顎的分離圖像。一些昆蟲在分類時只使用整體幾何特征還不能夠完全準確地進行分類，需要一些局部特征的輔助，如足、觸角、顎等，并且對于鞘翅目昆蟲來說，足、觸角的擺放位置在一定程度上影響了整體幾何特征數(shù)據(jù)的測量，因此需要將足、觸角、顎與軀干進行分離。本文提出了基于數(shù)學形態(tài)學的自適應分割操作方法，采用了數(shù)學形態(tài)學中的開運算方法進行分