稻飛虱前翅形狀特征測(cè)量方法的研究.pdf

1、昆蟲種類的準(zhǔn)確鑒定是昆蟲生態(tài)學(xué)、形態(tài)學(xué)、生理學(xué)、生物化學(xué)、行為學(xué)、毒理學(xué)及各門應(yīng)用昆蟲學(xué)(如農(nóng)業(yè)昆蟲學(xué)、森林昆蟲學(xué)、醫(yī)用昆蟲學(xué))等學(xué)科的研究基礎(chǔ)。若昆蟲種類鑒定不準(zhǔn)確,會(huì)導(dǎo)致這些學(xué)科的研究喪失客觀性、可比性和重復(fù)性,從而喪失科學(xué)價(jià)值?，F(xiàn)階段昆蟲種類的鑒定工作主要由經(jīng)驗(yàn)豐富但為數(shù)不多的鑒定專家完成。由于昆蟲種類繁多,目前昆蟲中80％的種還是未知種。昆蟲種類鑒定的實(shí)際需求已遠(yuǎn)遠(yuǎn)超過了現(xiàn)有鑒定專家所能承擔(dān)的負(fù)荷。為了降低傳統(tǒng)昆蟲鑒定工作的負(fù)擔(dān)

2、以及加快昆蟲種類的發(fā)現(xiàn)速度,昆蟲自動(dòng)識(shí)別技術(shù)已經(jīng)成為一個(gè)熱門的研究領(lǐng)域。昆蟲鑒別特征的自動(dòng)提取和測(cè)量是實(shí)現(xiàn)昆蟲自動(dòng)識(shí)別的關(guān)鍵。就絕大多數(shù)昆蟲而言,它們具有形態(tài)方面的鑒別特征.由于昆蟲翅的特征不僅具有重要的分類學(xué)意義,且易于數(shù)值描述,因此提取昆蟲翅特征的軟件較多。然而,昆蟲種類達(dá)100多萬種,形態(tài)多樣性極高,用幾款軟件或者某種算法來解決所有昆蟲的鑒定問題,幾乎是不可能的,這就需要針對(duì)不同類群的昆蟲尋求不同的解決方案。
　　 稻飛虱

3、是水稻的主要害蟲,主要包括灰飛虱、褐飛虱和白背飛虱。稻飛虱種類的識(shí)別歷來是蟲害預(yù)測(cè)預(yù)報(bào)研究的關(guān)鍵。而目前稻飛虱種類的鑒定主要靠專業(yè)分類人員借助放大鏡、解剖鏡和顯微鏡觀察頭頂形狀以及額、頰、中胸背板的顏色,再借助檢索表來確定其種類。該方法識(shí)別效率低,對(duì)專家依賴性大,嚴(yán)重影響稻飛虱測(cè)報(bào)的準(zhǔn)確性和時(shí)效性。
　　 為提高稻飛虱的識(shí)別效率,本文結(jié)合數(shù)字圖像處理技術(shù)自動(dòng)、快速、重復(fù)測(cè)量的特點(diǎn),以稻飛虱前翅圖像為研究對(duì)象,對(duì)前翅形狀特征的測(cè)量

4、方法進(jìn)行深入研究,探討翅的形狀特征能否作為識(shí)別稻飛虱的依據(jù)。主要研究?jī)?nèi)容及結(jié)論如下:
　　 (1)在以傅里葉描述子為形狀的識(shí)別(檢索)特征時(shí),邊界點(diǎn)數(shù)是唯一的不確定參數(shù)。為選取合適的邊界點(diǎn)數(shù),對(duì)邊界點(diǎn)數(shù)與傅里葉描述子精度的關(guān)系進(jìn)行試驗(yàn)研究.
　　 以圓形邊界為例,采用圓的三角公式建立圓形邊界,通過調(diào)節(jié)圓心角的采樣間隔來控制邊界點(diǎn)的數(shù)量。在簡(jiǎn)要介紹復(fù)數(shù)傅里葉描述子和形狀相似度理論的基礎(chǔ)上,以形狀相似度為指標(biāo),對(duì)邊界點(diǎn)數(shù)與傅

5、里葉描述子精度的關(guān)系進(jìn)行試驗(yàn)分析。結(jié)果表明邊界點(diǎn)數(shù)越多,傅里葉描述子的精度越高。當(dāng)邊界點(diǎn)數(shù)大于64時(shí),傅里葉描述子精度的變化不大。最后以圓形二值圖像驗(yàn)證了上述試驗(yàn)結(jié)果的正確性,并得到傅里葉描述子精度還與圖像采集系統(tǒng)精度有關(guān)的結(jié)論。在圖像采集系統(tǒng)一定,求邊界的傅里葉描述子前,該結(jié)論可用于邊界點(diǎn)數(shù)的確定。
　　 (2)稻飛虱樣本制備、圖像采集及形狀歸一化處理.
　　 選取每種飛虱樣本10個(gè).為保證翅面干凈且以免操作中破壞翅的

6、完整性,用95％的酒精洗去翅面塵土或污垢,并分類標(biāo)記.用尖頭鑷子剪取下完整的前翅,放在載玻片上,滴少量膠水制成臨時(shí)薄片,待酒精蒸發(fā)完畢后加蓋蓋玻片予以保護(hù).采用體視顯微鏡對(duì)所有的薄片進(jìn)行圖像采集,并以BMP格式保存.提取稻飛虱前翅邊界并進(jìn)行歸一化處理,使得所有樣本邊界具有相同的位置、方位和大小,同時(shí)對(duì)邊界進(jìn)行重采樣,使得所有樣本的邊界點(diǎn)數(shù)為64,為傅里葉描述子的比較研究做準(zhǔn)備.
　　 (3)以邊界重構(gòu)精度和識(shí)別精度為指標(biāo),時(shí)極半

7、徑傅里葉描述子、復(fù)數(shù)傅里葉描述子和橢圓傅里葉描述子進(jìn)行深入的比較研究,以探討前翅邊界能否作為識(shí)別稻飛虱的特征。
　　 簡(jiǎn)要介紹三種傅里葉描述子.通過比較三種傅里葉描述子重構(gòu)邊界的精度,得出每種傅里葉描述子重構(gòu)稻飛虱前超邊界所需要的低頻系數(shù)的個(gè)數(shù).采用層次聚類算法對(duì)三種傅里葉描述子低頻系數(shù)與篩選系數(shù)識(shí)別稻飛虱的精度進(jìn)行比較.結(jié)果表明,三種傅里葉描述子的前15個(gè)系數(shù)均能完整的重構(gòu)稻飛虱前翅邊界,當(dāng)重構(gòu)精度一定時(shí),需要三種傅里葉描述子

8、的系數(shù)個(gè)數(shù)依次為:橢圓傅里葉描述子<極半徑傅里葉描述子<復(fù)數(shù)傅里葉描述子；三種描述子中,橢圓描述予的識(shí)別率較高,復(fù)數(shù)描述子和極半徑描述子的識(shí)別率基本相當(dāng),但三種描述子的識(shí)別率均不高；以低頻系數(shù)為特征時(shí),三種稻飛虱樣本交叉混合,難以區(qū)分；以篩選系數(shù)為特征時(shí),三種傅里葉描述子聚類結(jié)果基本一致,灰飛虱前翅的特征不穩(wěn)定,褐飛虱和白背飛虱的前翅形狀差異較大；由于3種稻飛虱前翅邊界的形狀極其相似,以邊界特征進(jìn)行區(qū)分的精度較低.
　　 (4)

9、對(duì)稻飛虱翅脈特征的提取方法進(jìn)行研究,以探討翅脈特征能否作為識(shí)剔稻飛虱的依據(jù).
　　 簡(jiǎn)要介紹基于距離變換的分水嶺算法.采用該方法提取稻飛虱翅脈骨架,并與細(xì)化算法提取的骨架圖進(jìn)行比較.最后用所有樣本來檢驗(yàn)算法的穩(wěn)定性和重復(fù)性.結(jié)果表明,基于距離變換的分水嶺算法提取的翅脈骨架更加光滑,節(jié)點(diǎn)數(shù)量更加穩(wěn)定.該方法對(duì)圖像采集方式和質(zhì)量的要求不高,也適用于果蠅、蜜蜂的翅脈特征提取.
　　 (5)在翅脈節(jié)點(diǎn)坐標(biāo)提取出來的基礎(chǔ)上,能否利

10、用翅脈特征實(shí)現(xiàn)稻飛虱種類的鑒定,采用Fisher逐步判別法對(duì)稻飛虱前翅翅脈節(jié)點(diǎn)間的距離進(jìn)行統(tǒng)計(jì)分析.
　　 首先獲取翅脈節(jié)點(diǎn)間的距離數(shù)據(jù).采用Fisher逐步判別法對(duì)16根翅脈的距離值進(jìn)行分析,篩選出具有顯著差異的距離值,并建立判別模型.為了檢驗(yàn)數(shù)據(jù)的可靠性以及比對(duì)不同方法對(duì)同一樣本的差異性,使用世界著名的特征點(diǎn)標(biāo)記軟件TPSDig對(duì)同樣的樣本進(jìn)行翅脈距離的統(tǒng)計(jì)分析.結(jié)果表明,采用基于距離變換的分水嶺算法提取的節(jié)點(diǎn)坐標(biāo)數(shù)據(jù)比TP