天牛圖像的特征提取和識(shí)別算法的研究.pdf

1、隨著林業(yè)信息化技術(shù)的不斷發(fā)展成熟，天牛蟲圖像也被相關(guān)的部門不斷地積累，為了充分的利用寶貴的資源，本文采用圖像分析的相關(guān)技術(shù)和算法，提取天牛蟲的圖像特征，利用天牛蟲圖像的有效特征重新描述天牛蟲，提高檢測(cè)的準(zhǔn)確率。天牛蟲圖像識(shí)別需要先進(jìn)行圖像預(yù)處理和圖像特征提取。本文主要對(duì)天牛蟲圖像特征提取及天牛蟲圖像識(shí)別進(jìn)行研究，并使用支持向量機(jī)(SVM)檢測(cè)了提取的天牛蟲特征在識(shí)別時(shí)的有效性。
　　首先，為了減少或者消除圖像中的噪聲，提高圖像質(zhì)量

2、，需要對(duì)圖像進(jìn)行預(yù)處理?？梢赃\(yùn)用中值濾波、模糊數(shù)學(xué)理論、小波分析、數(shù)學(xué)形態(tài)學(xué)、粗糙集理論等技術(shù)進(jìn)行圖像預(yù)處理。在天牛蟲圖像預(yù)處理過(guò)程中，本文主要采取小波變換方法進(jìn)行圖像降噪處理，為圖像特征提取創(chuàng)造有利條件，在一定程度上提高識(shí)別檢測(cè)的準(zhǔn)確率。
　　在天牛蟲圖像特征提取階段，本文討論了圖像顏色特征、紋理特征、形狀特征，并重點(diǎn)研究了SIFT（Scale-invariant feature transform，尺度不變特征轉(zhuǎn)換），以及在此

3、基礎(chǔ)上的Bow(Bag Of words)模型，進(jìn)而得到天牛蟲的圖像特征向量。
　　在圖像識(shí)別階段，主要介紹了支持向量機(jī)SVM（Support Vector Machine），并應(yīng)用該算法進(jìn)行天牛蟲圖像識(shí)別，檢測(cè)提取的天牛蟲特征的有效性。根據(jù)各個(gè)圖像特征的優(yōu)缺點(diǎn)，文中分別采用SIFT算法，以及SIFT算法和顏色特征結(jié)合的方式進(jìn)行圖像特征提取，然后用SVM進(jìn)行訓(xùn)練和測(cè)試。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，我們利用SIFT和顏色特征結(jié)合的方式提取的天牛蟲