基于图像识别的森林害虫分类方法研究

《基于图像识别的森林害虫分类方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要本文竣数字图像处理技术和神经网络等现代信息技术为研究方法，以森林害虫测报中常见的三类甲虫为研究识别对象，给出了一种基于数字图像处理和人工神经网络技术进行森林害虫识别的方法，即利用数字图像处理技术提取特征，利用MATLAB7．1开发的神经网络包进行识别，并给出了神经网络的总体设计和实现方案。本文的主要研究内容如下：(1)森林害虫的数字图像处理由于预处理的必要性以及重要性，本文着重在灰度均衡化、滤波去噪、图像分割等方面进行原理阐述以及方法研究。通过两种滤波方式的对比，最后选用均值滤波进行滤波去噪。之

2、后对滤波后的图像进行阈值分割，把灰度图像转化成二值图像，再进行多种梯度算子的边缘检测，经性能比较之后，选用Canny算子进行森林害虫图像边缘检测。(2)森林害虫图像的特征提取经分割得到的害虫二值图像不能直接用来设计神经网络，一方面由于图像的维数很高，不适于神经网络的输入，另一方面更重要的是这种二值图像的直接描述并不能反映害虫的本质特性，因此必须从二值图像中找出能反映害虫本质特性的一些描述，这就是所谓的特征提取。形态特征是比较直观她描述物体的一类特征，本文提取了森林害虫的包括周长、面积、圆形度、伸长度

3、等几何特征和对位移、旋转、伸缩具有不变性的七个不变矩特征。(3)人工神经网络技术首先阐述了人工神经网络的基本内容，包括概述、分类，学习与掣Il练、数学模型、传递函数以及BP神经网路等。(4)BP神经网络设计这一部分简单介绍了MATLAB神经网络工具箱，着重讲述了BP神经网络的设计，并利用BP神经网络进行了森林害虫的初级分类．关键词图像处理；神经啜络；害虫识别AbstractInthispaper,dungbeetle，whichisCOIIIlIIOIllini璐pe她andreportingfor

4、estinsectpest,wasstudiedwithmoderninformationteelmologies．suelaasncttralnetworkanddigitalimage-processing．Tiletechnologyofimage-processingismadeuscofextractingfeaturesofsoineimages．ThepackagesofMATLAB7．1nctttralnetworkaremadeuscofidentifyinginsectpests

5、．hthispaper,laotonlyanoveralln伽tl'alnetwolrkdcsignbutalsothesolutionhasbeenprovided．Thefollowinga聆mainresearchcontents：(1)TreatmentofforestimeetpestdigitalimageThepaperputtheemphasis蛐thetheoryexpomldingandmctlaodsresearchofgrayscaleequilibration,noiser

6、emovalbyfiltering,imagesegmentationand∞on,I∞．,CalIIScofthee鹞elltialandimportanceofprctrcatmetlt．Thoughcomparingthetwofilteringmodes，atlastusingaveragefilteringtoremovenoise，andthendoingthresholdsegmentationOntlacfilteredimages．tramformiugthegraysealeto

7、binary,thendetectingedgesbymanyedgedetectors，aftercomparing,selectingCannydctcctortodetecttheedgesofforestinsectpestdigitalimage．(2)Featureextraetiollofforestinsectpestdigi“imageThesegmentedbinaryimagescan’tbeusedfrodesignneuralnetwork,first,bccau船thed

8、imensionistohigh，itdoesn’tfittheinputofneuralnetwork．second,whichisthem嘴timportant,thesedirectdescribingofthebinaryimages伽’treflecttheess锄ccofinsectpest，SO，shouldfindsolnecharactcl'S，thisiswhatiscalledfeatureextraction．Shapeis011cofthef