学位论文 > 优秀研究生学位论文题录展示

果实蝇属昆虫自动识别系统的研究与实现

作　者: 张蕾
导　师: 樊利民
学　校: 北京邮电大学
专　业: 机械电子工程
关键词: 实蝇科 果实蝇属昆虫 数字图像 LBP特征 Adaboost算法 自动识别系统
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 71次
引　用: 0次
阅　读: 论文下载
 

内容摘要


昆虫数字图像的计算机自动识别技术是当前研究的热点之一,是进行可靠的物种鉴定、解决目前人工昆虫物种鉴定能力不足的关键。本文以进行果实蝇属昆虫的计算机自动识别为研究目的,介绍了昆虫自动识别的研究背景以及国内外研究现状,探讨了进行自动识别所需的主要原理和方法。并在此基础上,设计和开发了果实蝇属昆虫图像自动识别系统。介绍了其工作流程,检验了在图像光照不均匀、图像姿态扭曲、标本受损、图像样本数量不同等不同条件下系统的识别效果,展望了发展前景。论文的主要内容包括：首先,介绍了昆虫自动识别的研究背景、意义和国内外研究现状,以及自动识别系统的研究内容、工作原理和方法、所需的关键技术等等。其次,简单介绍了模式识别技术,如统计模式识别、句法模式识别和模糊模式识别；并分析了实现数字图像的计算机自动识别的几种常用方法——人工神经网络(包括前馈网络与有监督学习,竞争联想网路与无监督学习等)、支持向量机、boost算法等,比较了各种方法的优缺点。针对传统自动识别方法应用于数字图像自动识别系统所带来的一些问题,如特征维数灾难问题、多类分类效果不佳等,对现有方法进行了改进,提出了新的识别方法,以满足新的条件下的识别要求。再次,介绍了几种图像特征表示方法,如颜色、纹理、局部特征等,比较了不同的特征表示方法的优缺点,针对实蝇图像的特性,选定适合于进行实蝇图像特征提取的有效方法。最后,针对果实蝇属昆虫图像的自动识别问题,设计和开发了果实蝇属昆虫图像自动识别系统,从图像采集、图像裁剪与预处理、图像特征提取、分类器设计、图像识别与识别结果显示等部分,分别介绍了系统的工作方式,并对图像光照不均匀、图像姿态扭曲、标本受损、样本数量不同等不同条件下系统的识别性能进行了实验验证和分析,以表明采用新的识别方法是可行的。并在系统功能上增加了后台数据库支持模块,将识别出的物种信息显示给用户,以体现计算机自动识别技术的巨大优势。

全文目录


摘要  4-6
ABSTRACT  6-10
第一章 绪论  10-17
  1.1 课题来源  10
  1.2 研究背景及意义  10-12
  1.3 国内外研究现状  12-14
    1.3.1 国外现状  13
    1.3.2 国内现状  13-14
  1.4 图像自动识别系统关键技术综述  14-15
  1.5 本文研究内容及方法  15-16
  1.6 论文组织结构  16-17
第二章 图像自动识别技术介绍  17-30
  2.1 引言  17
  2.2 统计模式识别  17-18
  2.3 句法(结构)模式识别  18
  2.4 模糊模式识别  18-19
  2.5 人工神经元网络模式识别  19-26
    2.5.1 前馈网络与有监督的学习  20-23
    2.5.2 竞争联想网络与无监督的学习  23-26
    2.5.3 小结  26
  2.6 支持向量机原理及实现  26-27
  2.7 Adaboost算法  27-29
  2.8 小结  29-30
第三章 特征提取方法及降维技术  30-37
  3.1 引言  30-31
  3.2 基于内容的昆虫图像视觉特征提取  31-33
    3.2.1 颜色  31
    3.2.2 纹理  31-32
    3.2.3 形状  32
    3.2.4 空间  32-33
  3.3 基于局部特征的对象识别  33-34
  3.4 降维技术  34-35
  3.5 小结  35-37
第四章 图像自动识别系统设计与实现  37-48
  4.1 引言  37
  4.2 实蝇科果实蝇属昆虫图像自动鉴别系统(AFIs-B)的构建  37-44
    4.2.1 开发工具与平台  37
    4.2.2 系统结构设计  37-38
    4.2.3 系统主要技术和内容  38
    4.2.4 系统模块介绍  38-44
  4.3 系统界面及主要功能  44-46
    4.3.1 系统主界面  44
    4.3.2 翅膀图像识别子系统界面  44-45
    4.3.3 翅膀图像识别结果显示模块  45
    4.3.4 中胸背板图像识别子系统界面  45-46
    4.3.5 中胸背板图像识别结果显示模块  46
  4.4 小结  46-48
第五章 自动识别系统验证测试  48-54
  5.1 引言  48
  5.2 试验材料  48-49
  5.3 不同情况对识别率的影响  49-53
    5.3.1 光照不均匀对识别率的影响  49-50
    5.3.2 姿态扭曲对识别率的影响  50-51
    5.3.3 标本受损对识别率的影响  51
    5.3.4 每种训练样本数量对识别率的影响  51-52
    5.3.5 物种数量对识别率的影响  52-53
  5.4 小结  53-54
第六章 结论与展望  54-57
参考文献  57-61
致谢  61-62
攻读硕士学位期间取得的学术成果  62

相似论文

  1. 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
  2. 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
  3. 机械臂视觉伺服系统的研究,TP242.6
  4. 数字图像处理在集装箱检测中的应用研究,TP274.4
  5. 基于核方法的高光谱图像异常检测算法研究,TP751
  6. 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
  7. 基于图像处理技术的两相流动特性描述,TP391.41
  8. 人脸检测算法的FPGA设计与实现,TP391.41
  9. 基于AdaBoost算法的车辆识别系统研究与实现,TP391.41
  10. 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
  11. DNA指纹图谱的自动识别与分析定位研究,TP391.41
  12. 基于CCD探测技术的棉花“三丝”自动剔除系统研究,TP391.41
  13. 基于AdaBoost算法的人脸检测方法研究,TP391.41
  14. 群控电梯客流密度实时识别技术研究,TP391.41
  15. 基于AdaBoost算法的人脸识别研究,TP391.41
  16. 基于前照灯检测仪的灯光图像畸变的研究,TP391.41
  17. 边防红外监控系统中运动目标的检测预警设计,TP391.41
  18. 同信道干扰下AIS信号非相干解调技术研究,U675.7
  19. 自动识别系统（AIS）相干解调技术研究,U675.7
  20. 用于国际海上避碰的自动船舶识别系统研究,U675.7
  21. 基于Turbo码的数字图像加密算法研究及实现,TN918.82

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com