[发明专利]基于标本图像的鳞翅目昆虫种类自动鉴别方法

权利要求书

1.一种基于标本图像的鳞翅目昆虫种类自动鉴别方法，其特征在于包括以下步骤：

1)图像预处理

去除鳞翅目标本彩色图像的背景，对去除背景后的图像进行灰度化、高斯滤波后进行二值化，再进行左右翅分割；

对准左右翅位置，切取包括有效翅区域的正方形区域；

对鳞翅目标本彩色图像作同样的变换，即，先分割左右翅，再对准左右翅位置，切取包括有效翅区域的正方形区域，最后得到旋转对齐的左翅彩色图像和右翅彩色图像；

2)图像特征提取

将位置对准后的左右翅彩色图像分解至RGB三个通道对每一通道执行以下相同的特征提取过程：将翅面图像沿半径和角度方向均分成若干个区间，计算每个区间内的翅面像素均值，将左右翅三个通道所有区间计算得到的像素均值串联，得到昆虫整体图像的特征向量，将特征向量元素值进行缩放，归一化到[0，1]区间；

3)分类鉴别

先确定训练集，再训练分类器模型，最后进行分类识别。

2.根据权利要求1所述的基于标本图像的鳞翅目昆虫种类自动鉴别方法，其特征在于：

在所述步骤1)中，使用以下方法之一去除标本图像的背景：

用Lazy snapping方法去除标本图像的背景，方法是在需要保留的前景区域内用一种颜色的线条作标记，在需要去除的背景区域内用另一种颜色的线条作标记，Lazy Snapping算法自动计算出前景和背景之间的分界线，如果分割还不够精确则反复作标记微调，直至分界线符合要求；

或用Grabcut工具去除标本图像的背景，方法是设置包含前景区域的最小矩形框，分割完成后将背景区域设置成黑色；

或用GrabCut+Lazy Snapping工具完成背景去除工作，方法是先用GrabCut勾勒出前景区域，然后再用Lazy Snapping标记未去除的背景和误去除的前景，分割完成后将背景区域设置成黑色。

3.根据权利要求1所述的基于标本图像的鳞翅目昆虫种类自动鉴别方法，其特征在于：

在所述步骤1)中，对去除背景后的图像进行灰度化是指采用加权平均法得到灰度图像。

4.根据权利要求3所述的基于标本图像的鳞翅目昆虫种类自动鉴别方法，其特征在于：对去除背景后的图像中的RGB三分量按Y＝0.299*R+0.587*G+0.114*B进行加权平均。

5.根据权利要求1所述的基于标本图像的鳞翅目昆虫种类自动鉴别方法，其特征在于：

在所述步骤1)中，所述二值化即选择一个灰度阈值，将大于阈值的像素点设置为白色，小于阈值的像素点设置为黑色。

6.根据权利要求1所述的基于标本图像的鳞翅目昆虫种类自动鉴别方法，其特征在于：

在所述步骤1)中，所述左右翅分割方法是，对形成的二值图像取最大轮廓，将该轮廓图像从中心向两侧求投影，得到两个局部极小值点，以这两个局部极小值点的横坐标为界，分割出昆虫的左右翅区域。

7.根据权利要求1所述的基于标本图像的鳞翅目昆虫种类自动鉴别方法，其特征在于：

在所述步骤1)中，所述左右翅位置对准的方法是，在左右翅的轮廓图上搜索上边缘和下边缘，对上下边缘用直线拟合，以两直线交心为中心旋转图像，直至上边沿水平。

8.根据权利要求1所述的基于标本图像的鳞翅目昆虫种类自动鉴别方法，其特征在于：

在所述步骤3)中，所述确定训练集的方法是，每一类昆虫对应一个支持向量机分类器，用本类昆虫的若干个标本作为正例，其他类昆虫的若干个标本作为负例，按步骤2)的方法提取每一类昆虫的特征向量。

9.根据权利要求8所述的基于标本图像的鳞翅目昆虫种类自动鉴别方法，其特征在于：

在所述步骤3)中，所述训练分类器模型的方法是，用上一步归一化得到的正例和反例特征向量训练支持向量机分类器模型，每一类昆虫对应一个分类器模型。

10.根据权利要求9所述的基于标本图像的鳞翅目昆虫种类自动鉴别方法，其特征在于：

在所述步骤3)中，所述分类识别的方法是，将未知类别的昆虫标本图像按步骤1)和2)进行预处理和特征提取后，将特征向量作为各支持向量机分类器的输入，如果某类支持向量机分类器的输出值为正，则接受为本类昆虫，如果输出值为负，则判断为非本类昆虫。