實(shí)蠅圖像識(shí)別系統(tǒng)及方法
【專利摘要】本發(fā)明公布了一種基于世界有害實(shí)蠅圖像數(shù)據(jù)庫(kù)的自動(dòng)和交互實(shí)蠅識(shí)別方法及一套系統(tǒng)，包括：建立實(shí)蠅多源標(biāo)本圖像庫(kù)及其識(shí)別標(biāo)準(zhǔn)6屬74種，訓(xùn)練ASM模型用于翅輪廓標(biāo)注，提取實(shí)蠅翅、中胸背板及腹部Gabor曲面特征，采用模板匹配法進(jìn)行匹配歸類和自動(dòng)鑒定；構(gòu)建鑲嵌翅、中胸背板和腹部自動(dòng)識(shí)別模塊的系統(tǒng)，分應(yīng)用、核心和數(shù)據(jù)三層，含圖像輸入、預(yù)處理、識(shí)別、結(jié)果顯示及文字檢索五部分。系統(tǒng)運(yùn)行時(shí)先自動(dòng)識(shí)別，再在自動(dòng)識(shí)別的基礎(chǔ)上進(jìn)行人工交互識(shí)別，最后可進(jìn)行物種圖像與文字信息復(fù)核。有效兼顧了實(shí)蠅識(shí)別的精度和速度，對(duì)單個(gè)樣本的自動(dòng)識(shí)別時(shí)間基本在90秒以內(nèi)，前5正確自動(dòng)識(shí)別率介于85％?95％之間，具有良好的實(shí)用性。
【專利說(shuō)明】
實(shí)蠅圖像識(shí)別系統(tǒng)及方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于昆蟲圖像模式識(shí)別的應(yīng)用領(lǐng)域，具體地講是基于世界有害實(shí)蠅圖像數(shù) 據(jù)庫(kù)的自動(dòng)和交互實(shí)蠅識(shí)別方法及一套可運(yùn)行的系統(tǒng)。
【背景技術(shù)】
[0002] 人類感知外界信息，80%以上是通過(guò)視覺(jué)得到的；長(zhǎng)期以來(lái)，生物特征的圖像一直 是識(shí)別物種的重要依據(jù)，隨著今天可視化數(shù)字技術(shù)的飛速發(fā)展，直接將圖像信息作為識(shí)別 物種的主要或唯一依據(jù)，正越來(lái)越多地成為現(xiàn)實(shí)。目前，計(jì)算機(jī)的高速計(jì)算、海量存儲(chǔ)及推 理判斷功能等均已有了較大程度的進(jìn)步，模式識(shí)別技術(shù)也已長(zhǎng)足發(fā)展，隨著信息技術(shù)日新 月異的提高，自動(dòng)識(shí)別昆蟲種類，尤其是一些常見(jiàn)種和重要檢疫性害蟲等，正日益成為國(guó)內(nèi) 外方興未艾的熱點(diǎn)研究和應(yīng)用領(lǐng)域。昆蟲圖像識(shí)別是一個(gè)典型的交叉學(xué)科，涉及昆蟲分類 學(xué)和模式識(shí)別、計(jì)算機(jī)視覺(jué)，學(xué)科跨度大，且模式識(shí)別、計(jì)算機(jī)視覺(jué)本身還是一個(gè)處于快速 發(fā)展中的學(xué)科，體系尚不完善，因此難度較大。目前國(guó)內(nèi)外相關(guān)研究已經(jīng)取得了一些成果， 也產(chǎn)生了一些應(yīng)用系統(tǒng)，但這些系統(tǒng)距離實(shí)用性一般還有較大差距，真正實(shí)現(xiàn)了計(jì)算機(jī)自 動(dòng)鑒別的種類實(shí)屬鳳毛麟角。
[0003] 實(shí)蠅屬于雙翅目實(shí)蠅科，具有十分重要的經(jīng)濟(jì)意義，其中的小條實(shí)蠅屬、果實(shí)蠅 屬、寡鬃實(shí)蠅屬、按實(shí)蠅屬和繞實(shí)蠅屬包含許多水果和瓜類作物的危險(xiǎn)性蛀果害蟲，如地中 海實(shí)蠅、桔小實(shí)蠅、瓜實(shí)蠅、昆士蘭果實(shí)蠅、桃果實(shí)蠅、蜜柑大實(shí)蠅、埃塞俄比亞寡鬃實(shí)蠅、墨 西哥按實(shí)蠅、南美按實(shí)蠅、西印度按實(shí)蠅、加勒比按實(shí)蠅和蘋繞實(shí)蠅等，已被許多國(guó)家和地 區(qū)列入嚴(yán)防傳入的檢疫性有害生物名單中。長(zhǎng)期以來(lái)，盡管有害實(shí)蠅的形態(tài)學(xué)和分類學(xué)在 世界范圍內(nèi)已研究得較為透徹，然而傳統(tǒng)的二分式檢索表如果缺乏相應(yīng)的標(biāo)本收藏和分類 學(xué)文獻(xiàn)，以及對(duì)于專業(yè)術(shù)語(yǔ)的深刻理解，則一般人員很難使用，難以達(dá)到準(zhǔn)確鑒定物種的目 的。該類群的快速和準(zhǔn)確鑒定，一直是困惑國(guó)內(nèi)外植檢，以及農(nóng)林等部門的重要難題。當(dāng)前 國(guó)內(nèi)外口岸的實(shí)蠅檢疫及廣譜性監(jiān)測(cè)，以及農(nóng)林業(yè)生產(chǎn)中對(duì)實(shí)蠅蟲害的預(yù)警和防控等，仍 主要依賴于傳統(tǒng)的人工識(shí)別手段，這已遠(yuǎn)不能滿足和適應(yīng)國(guó)際貿(mào)易的快速發(fā)展。研制一種 基于世界有害實(shí)蠅大數(shù)據(jù)集圖像數(shù)據(jù)庫(kù)，適于信息化和自動(dòng)化時(shí)代傳播和使用，快捷方便， 又能保證其物種鑒定準(zhǔn)確性的識(shí)別系統(tǒng)(工作平臺(tái)）非常必要。
[0004]目前在昆蟲圖像模式識(shí)別領(lǐng)域，就總體而言尚主要存在著以下問(wèn)題：1)已有系統(tǒng) 多針對(duì)昆蟲分類學(xué)中的若干科目中的少量屬種進(jìn)行，其目的往往是輔助進(jìn)行物種歸類，尚 缺乏面向目前迫切需要解決的農(nóng)林檢疫害蟲進(jìn)行的自動(dòng)分類，尤其是基于可實(shí)際應(yīng)用的較 大型數(shù)據(jù)庫(kù)的大類別集分類。2)由于昆蟲圖像采集一般較為困難，多數(shù)昆蟲屬種的訓(xùn)練樣 本非常少，在少數(shù)幾種昆蟲的少數(shù)圖像上得到的測(cè)試結(jié)果很難說(shuō)明問(wèn)題，針對(duì)每類少量訓(xùn) 練樣本的大類別集昆蟲分類方法和應(yīng)用系統(tǒng)研究得較少。3)已有系統(tǒng)多專注于細(xì)節(jié)形態(tài)結(jié) 構(gòu)的提取和對(duì)比，自動(dòng)化程度較低，對(duì)昆蟲圖像的分割要求較高，如ABIS、DrawWing等。對(duì)某 些部位圖像的分割和結(jié)構(gòu)提取甚至需要昆蟲分類學(xué)知識(shí)，普通人難以運(yùn)用，因此迫切需要 發(fā)展出自動(dòng)化程度較高、并且不需要具體昆蟲分類學(xué)知識(shí)的圖像識(shí)別系統(tǒng)。4)不同學(xué)者的 研究中使用了不同的圖像特征，這些特征比較機(jī)械地照辦了典型圖像處理和計(jì)算機(jī)視覺(jué)中 的已有特征，沒(méi)有結(jié)合昆蟲圖像的特點(diǎn)進(jìn)行特征設(shè)計(jì)。在已有的一些結(jié)合昆蟲形態(tài)分類學(xué) 意義的圖像特征中，多數(shù)比較簡(jiǎn)單，描述能力有限;具有較強(qiáng)描述能力的特征又過(guò)于復(fù)雜和 專業(yè)，難以自動(dòng)提取。如何將這兩方面結(jié)合起來(lái)，找到既便于計(jì)算機(jī)提取的特征，又具有明 顯昆蟲形態(tài)學(xué)分類意義的特征是提高系統(tǒng)識(shí)別能力的關(guān)鍵。5)單一的自動(dòng)識(shí)別系統(tǒng)在進(jìn)行 昆蟲識(shí)別時(shí)雖然快捷方便，但其識(shí)別精確度卻常常有限，難以完全直接應(yīng)用于實(shí)際工作中。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明要解決的技術(shù)問(wèn)題是，提供一種基于世界有害實(shí)蠅大數(shù)據(jù)集圖 像數(shù)據(jù)庫(kù)的自動(dòng)和交互實(shí)蠅識(shí)別方法及一套可運(yùn)行的實(shí)用系統(tǒng)。
[0006] 本發(fā)明的技術(shù)解決方案是，提供以下步驟的基于世界有害實(shí)蠅圖像數(shù)據(jù)庫(kù)的自動(dòng) 和交互實(shí)蠅識(shí)別方法及一套可運(yùn)行的實(shí)用系統(tǒng)，其包括以下各步驟：
[0007] 1)建立世界有害實(shí)蠅多源實(shí)物標(biāo)本圖像信息庫(kù)和識(shí)別標(biāo)準(zhǔn)共6屬74種，其中包括 果實(shí)蠅屬37種、寡鬃實(shí)蠅屬10種、小條實(shí)蠅屬10種、按實(shí)蠅屬11種、繞實(shí)蠅屬5種和長(zhǎng)尾實(shí)蠅 屬1種，含整體外部形態(tài)(背面觀及側(cè)面觀)及關(guān)鍵外部分類特征(翅、頭部前側(cè)面觀、中胸背 板及腹部背面觀）。且在此數(shù)據(jù)庫(kù)的基礎(chǔ)上，保持對(duì)其它物種充分的開放性和擴(kuò)展性。
[0008] 2)依據(jù)實(shí)繩翅的形態(tài)特點(diǎn)，訓(xùn)練翅ASM模型(active shape model)，開發(fā)實(shí)繩翅輪 廓自動(dòng)標(biāo)注工具，并利用該工具有效標(biāo)識(shí)出模板庫(kù)中所有翅的自動(dòng)識(shí)別區(qū)域。
[0009] 3)依據(jù)實(shí)蠅的中胸背板及腹部背面觀的形態(tài)特點(diǎn)，利用矩形輪廓選取工具 (rectangle selection)，有效標(biāo)識(shí)出模板庫(kù)中所有中胸背板及腹部背面觀的自動(dòng)識(shí)別區(qū) 域。
[0010] 4)分別建立實(shí)蠅翅、中胸背板及腹部核心自動(dòng)識(shí)別模塊。具體包括提取各類自動(dòng) 識(shí)別區(qū)域中模板圖像的Gabor曲面特征(GSF，Gabor Surface Feature)，建立模板圖像特征 數(shù)據(jù)庫(kù)，并米用模板匹配法（template match or called k-nearest neighbor，KNN method)進(jìn)行自動(dòng)匹配和歸類，然后給出根據(jù)相似度大小排好順序的自動(dòng)鑒定結(jié)果。且在此 算法基礎(chǔ)上，充分保持對(duì)其它算法的開放性和擴(kuò)展性。
[0011] 5)根據(jù)實(shí)蠅人工分類學(xué)原理及用戶使用習(xí)慣，設(shè)計(jì)和研發(fā)鑲嵌實(shí)蠅翅、中胸背板 及腹部自動(dòng)識(shí)別模塊的世界有害實(shí)蠅圖像識(shí)別系統(tǒng)框架。其核心為自動(dòng)和交互的實(shí)蠅識(shí)別 方法，可有效提高識(shí)別率。該框架的主要架構(gòu)分為應(yīng)用層、核心層和數(shù)據(jù)層，應(yīng)用層主要包 括不同版本程序的最終用戶界面;核心層包括基礎(chǔ)類、核心算法及數(shù)據(jù)管理用戶接口；數(shù)據(jù) 層主要包括系統(tǒng)的配置文件和數(shù)據(jù)庫(kù)。其主要功能包括圖像輸入、圖像預(yù)處理、圖像識(shí)別、 結(jié)果顯示及文字檢索與查詢五部分。系統(tǒng)可首先對(duì)圖像進(jìn)行預(yù)處理，然后進(jìn)行自動(dòng)識(shí)別，再 在自動(dòng)識(shí)別的基礎(chǔ)上進(jìn)行人工交互識(shí)別，最后可調(diào)出已識(shí)別物種的圖像與文字信息進(jìn)行進(jìn) 一步復(fù)核。自動(dòng)識(shí)別結(jié)果分別有選擇前3個(gè)、前5個(gè)和前8個(gè)最相似物種進(jìn)行顯示三種方式。 人工交互識(shí)別時(shí)采用待鑒定圖像與模塊庫(kù)中典型圖像及其它參考圖像同屏顯示直接比對(duì) 的方式，其對(duì)比識(shí)別的效果明顯，可有效加快人工交互識(shí)別速度。其系統(tǒng)框架為開放式設(shè) 計(jì)，可選擇基于不同算法的自動(dòng)識(shí)別模型，預(yù)留多個(gè)圖像采集和預(yù)處理入口，并對(duì)接文字?jǐn)?shù) 據(jù)庫(kù)，便于進(jìn)行物種信息多個(gè)字段的文字查詢，且具中、英文兩種顯示方式。
[0012] 采用本發(fā)明的方法，與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn):基于世界有害實(shí)蠅大數(shù)量集 特征圖像信息數(shù)據(jù)庫(kù)(共采集典型代表性多源實(shí)物標(biāo)本圖像4000余幅），含世界有害實(shí)蠅圖 像信息和識(shí)別標(biāo)準(zhǔn)6屬74種，覆蓋世界重要有害實(shí)蠅物種的70%左右。對(duì)于實(shí)蠅翅的識(shí)別， 采用Active Shape Models自動(dòng)跟蹤出實(shí)蠅翅膀輪廓的方法，可有效去除蟲體軀干等干擾 信息，排除裁剪中人為因素的干擾;對(duì)于中胸背板及腹部背面觀，利用矩形輪廓工具選取特 征識(shí)別區(qū)域。提取待測(cè)圖像的Gabor曲面特征(GSF，Gabor Surface Feature)，與模板圖像 特征數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，采用模板匹配法（template match or called k-nearest neighbor，KNN method)自動(dòng)歸類鑒定，根據(jù)相似度給出排好順序的自動(dòng)鑒定結(jié)果。在自動(dòng) 識(shí)別的基礎(chǔ)上，依據(jù)實(shí)蠅人工分類學(xué)原理，采用待鑒定圖像與模塊庫(kù)中典型圖像及其它參 考圖像同屏顯示直接比對(duì)的方式進(jìn)行人工交互識(shí)別，最后調(diào)出已識(shí)別出的物種的圖像與文 字信息進(jìn)行進(jìn)一步復(fù)核，從而有效兼顧實(shí)蠅害蟲的識(shí)別精度和速度。系統(tǒng)對(duì)單個(gè)樣本的自 動(dòng)識(shí)別時(shí)間基本保證在90秒以內(nèi)，前5正確自動(dòng)識(shí)別率介于85%-95%之間?？蚣懿捎?層+5 模塊的開放式架構(gòu)，集成自動(dòng)識(shí)別模型選擇、圖像數(shù)據(jù)庫(kù)管理、自動(dòng)識(shí)別、人工交互鑒定及 文字信息檢索查詢于一體，實(shí)現(xiàn)了各功能模塊間的有效嵌合與鏈接，界面簡(jiǎn)潔友好，雙語(yǔ) (中文和英文)支持，使用簡(jiǎn)單便利，識(shí)別準(zhǔn)確，具有很強(qiáng)的實(shí)用性。
【附圖說(shuō)明】
[0013]圖1為"世界有害實(shí)蠅圖像識(shí)別系統(tǒng)1.0"標(biāo)準(zhǔn)圖像示例；
[0014] 圖2為"世界有害實(shí)蠅圖像識(shí)別系統(tǒng)1.0"主要架構(gòu)；
[0015] 圖3為"世界有害實(shí)蠅圖像識(shí)別系統(tǒng)1.0"主要核心數(shù)據(jù)表及其關(guān)系；
[0016]圖4為"世界有害實(shí)蠅圖像識(shí)別系統(tǒng)1.0"圖像預(yù)處理界面；
[0017]圖5為"世界有害實(shí)蠅圖像識(shí)別系統(tǒng)1.0"自動(dòng)識(shí)別顯示界面；
[0018]圖6為"世界有害實(shí)蠅圖像識(shí)別系統(tǒng)1.0"人工交互識(shí)別界面；
[0019]圖7為"世界有害實(shí)蠅圖像識(shí)別系統(tǒng)1.0"物種信息顯示界面。
【具體實(shí)施方式】
[0020]下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明，但本發(fā)明并不僅僅限于這些 實(shí)施例。本發(fā)明涵蓋任何在本發(fā)明的精髓和范圍上做的替代、修改、等效方法以及方案。為 了使公眾對(duì)本發(fā)明有徹底的了解，在以下本發(fā)明優(yōu)選實(shí)施例中詳細(xì)說(shuō)明了具體的細(xì)節(jié)，而 對(duì)本領(lǐng)域技術(shù)人員來(lái)說(shuō)沒(méi)有這些細(xì)節(jié)的描述也可以完全理解本發(fā)明。此外，本發(fā)明之附圖 中為了示意的需要，并沒(méi)有完全精確地按照實(shí)際比例繪制，在此予以說(shuō)明。
[0021 ]如圖1-7所示，本發(fā)明的基于世界有害實(shí)蠅圖像數(shù)據(jù)庫(kù)的自動(dòng)和交互實(shí)蠅識(shí)別方 法及一套可運(yùn)行的實(shí)用系統(tǒng)，包括以下具體實(shí)施步驟：
[0022] 1)建立世界有害實(shí)蠅多源實(shí)物標(biāo)本圖像信息庫(kù)和識(shí)別標(biāo)準(zhǔn)共6屬74種，其中包括 果實(shí)蠅屬37種、寡鬃實(shí)蠅屬10種、小條實(shí)蠅屬10種、按實(shí)蠅屬11種、繞實(shí)蠅屬5種和長(zhǎng)尾實(shí)蠅 屬1種(參見(jiàn)文末附表1:物種名錄），含整體外部形態(tài)(背面觀及側(cè)面觀)及關(guān)鍵外部分類特 征(翅、頭部前側(cè)面觀、中胸背板及腹部背面觀等，參見(jiàn)附圖1:標(biāo)準(zhǔn)圖像示例）。在此數(shù)據(jù)庫(kù) 基礎(chǔ)上，保持對(duì)其它物種的開放性和擴(kuò)展性。標(biāo)本圖像的采集主要采用昆蟲圖像采集系統(tǒng) 及數(shù)碼相機(jī)和體視鏡進(jìn)行，標(biāo)本來(lái)源于國(guó)內(nèi)外較大型實(shí)蠅標(biāo)本保藏單位(如中國(guó)科學(xué)院動(dòng) 物研究所、云南出入境檢驗(yàn)檢疫局、美國(guó)自然歷史博物館、美國(guó)佛羅里達(dá)農(nóng)業(yè)部、澳大利亞 CSIRO昆蟲研究所等）。
[0023] 2)依據(jù)實(shí)繩翅的形態(tài)特點(diǎn)，訓(xùn)練翅ASM模型(active shape model)，開發(fā)實(shí)繩翅輪 廓自動(dòng)標(biāo)注工具，并利用該工具有效標(biāo)識(shí)出模板庫(kù)中所有翅的自動(dòng)識(shí)別區(qū)域。
[0024] 3)依據(jù)實(shí)蠅的中胸背板及腹部背面觀的形態(tài)特點(diǎn)，利用矩形輪廓選取工具 (rectangle selection)，有效標(biāo)識(shí)出模板庫(kù)中所有中胸背板及腹部背面觀的自動(dòng)識(shí)別區(qū) 域。
[0025] 4)分別建立實(shí)蠅翅、中胸背板及腹部核心自動(dòng)識(shí)別模塊。具體包括提取各類自動(dòng) 識(shí)別區(qū)域中模板圖像的Gabor曲面特征(GSF，Gabor Surface Feature)，建立模板圖像特征 數(shù)據(jù)庫(kù)，并米用模板匹配法（template match or called k-nearest neighbor，KNN method)進(jìn)行自動(dòng)匹配和歸類，然后給出根據(jù)相似度大小排好順序的自動(dòng)鑒定結(jié)果，結(jié)果顯 示可選擇前3個(gè)、前5個(gè)和前8個(gè)最相似物種三種方式。在此算法基礎(chǔ)上，充分保持對(duì)其它算 法的開放性和擴(kuò)展性。
[0026] 5)根據(jù)實(shí)蠅人工分類學(xué)原理及用戶使用習(xí)慣，設(shè)計(jì)和研發(fā)鑲嵌實(shí)蠅翅、中胸背板 及腹部自動(dòng)識(shí)別模塊的實(shí)蠅圖像識(shí)別系統(tǒng)框架，其核心為自動(dòng)和交互的實(shí)蠅識(shí)別方法，可 有效提高識(shí)別率。其主要架構(gòu)（參見(jiàn)附圖2)分為應(yīng)用層、核心層和數(shù)據(jù)層，應(yīng)用層主要包括 不同版本程序的最終用戶界面;核心層包括基礎(chǔ)類、核心算法及數(shù)據(jù)管理用戶接口；數(shù)據(jù)層 主要包括系統(tǒng)配置文件和數(shù)據(jù)庫(kù)。其數(shù)據(jù)庫(kù)中主要核心數(shù)據(jù)表(參見(jiàn)附圖3)包括File、Tag、 Species和Region，Species記錄物種信息，F(xiàn)ile記錄文件信息，Tag是文件類型，Region記錄 文件特征，其相互關(guān)系可參見(jiàn)附圖3。該系統(tǒng)主要功能包括圖像輸入、圖像預(yù)處理、圖像識(shí) 另IJ、結(jié)果顯示及文字檢索查詢五部分。系統(tǒng)可首先對(duì)圖像進(jìn)行預(yù)處理(參見(jiàn)附圖4)，然后進(jìn) 行自動(dòng)識(shí)別（參見(jiàn)附圖5)，再在自動(dòng)識(shí)別的基礎(chǔ)上進(jìn)行人工交互識(shí)別（參見(jiàn)附圖6)，最后調(diào) 出已識(shí)別物種的圖像與文字信息（參見(jiàn)附圖7,含形態(tài)特征、地理分布等)進(jìn)行進(jìn)一步復(fù)核。 人工交互識(shí)別時(shí)采用待鑒定圖像與模塊庫(kù)中典型圖像及其它參考圖像同屏顯示并直接比 對(duì)的方式(參見(jiàn)附圖6)，其對(duì)比識(shí)別的效果明顯，有效加快了人工交互識(shí)別速度。整個(gè)系統(tǒng) 為開放式設(shè)計(jì)，可選擇基于不同算法的自動(dòng)識(shí)別模型，預(yù)留多個(gè)圖像采集和預(yù)處理入口，并 對(duì)接文字?jǐn)?shù)據(jù)庫(kù)，便于進(jìn)行物種信息多個(gè)字段的文字查詢。
[0027] 步驟2)中所述的依據(jù)實(shí)繩翅的形態(tài)特點(diǎn)，訓(xùn)練翅ASM模型(active shape model)， 開發(fā)實(shí)蠅翅輪廓自動(dòng)標(biāo)注工具，具體為:首先建立實(shí)蠅翅ASM模型，在實(shí)蠅翅邊緣選擇80個(gè) 特征點(diǎn)，其中人工選擇40個(gè)形態(tài)關(guān)鍵點(diǎn)，剩余40個(gè)通過(guò)關(guān)鍵點(diǎn)間平均采樣得到，然后用主成 分分析方法對(duì)翅輪廓進(jìn)行統(tǒng)計(jì)建模。再將ASM疊加于實(shí)蠅翅圖像上，調(diào)整ASM初始角度、尺 寸、位置，使得這些參數(shù)與實(shí)際翅輪廓大致相近(偏差10%以內(nèi)），最后進(jìn)行輪廓自動(dòng)匹配。 實(shí)際操作中在Win7平臺(tái)上迭代100次，用時(shí)0.05秒以內(nèi)，并進(jìn)行邊界平滑處理，以屏蔽掉翅 輪廓上的殘翅以及翅根部的身體部位干擾。邊界平滑跨度取5-10個(gè)像素，高斯濾波核參數(shù) 根據(jù)擴(kuò)展邊界自適應(yīng)，具體公式為：
[0029] 步驟4)中所述的實(shí)蠅自動(dòng)識(shí)別方法，更具體的步驟如下:首先使用Gamma矯正和對(duì) 比度均衡化進(jìn)行圖像預(yù)處理，再對(duì)待識(shí)別區(qū)域進(jìn)行8個(gè)方向5個(gè)尺度的Gabor濾波，這樣共得 到40個(gè)濾波圖像，對(duì)每個(gè)圖像進(jìn)行二值化并統(tǒng)計(jì)16個(gè)區(qū)間上的直方圖，最后將40個(gè)直方圖 聯(lián)合起來(lái)進(jìn)行線性判別分析(LDA)降維形成待識(shí)別的特征模板。其中用于編碼的公式如下：
[0030] x(s)=x(G*I(s)>0) · 8+x(Gx*I(s)>0) · 4+x(Gy*I(s)>0) · 2+x(Gxy*I(s)>0)
[0031] 其中I(s)是灰度化的圖像，G，Gx，Gy，G xy，是Gabor濾波器以及水平、垂直方向上派 生出的Gabor濾波器，X (t)是特征選擇函數(shù)，當(dāng)t為真時(shí)為1。
[0032] 然后基于上述Gabor特征值，使用最近鄰方法作為鑒定方法，即使用待鑒定圖像特 征區(qū)域的特征和模板圖像的特征直接進(jìn)行比對(duì)，選擇和待鑒定圖像最相似的模板圖像的分 類信息作為鑒定結(jié)果，其具體計(jì)算公式如下所示：
[0033] V(k) =Max(sim(x,yi) (i ek)
[0034] 其中k是待鑒定的每幅圖，sim(x，y)是每幅圖像y和模板圖像x的相似度值。其中相 似度的測(cè)定由圖像特征之間的距離決定，距離值是兩個(gè)特征的歐式距離;Max(x)表示相似 度最大的值。
[0035] 如果進(jìn)行基于翅、中胸背板和腹部多圖像的融合識(shí)別，則分類器對(duì)各幅圖像分別 進(jìn)行匹配，然后對(duì)匹配的結(jié)果進(jìn)行加權(quán)融合，再得到最終的鑒定結(jié)果。其中多圖像融合方法 的核心算法如下式所示：
[0039]式中，c(y)是圖y的類別，X是待識(shí)別圖像的特征，sim(x，y)是X和y的距離，k是物種 (類別），^是某張圖的鑒定結(jié)果，通過(guò)^可以算出每張圖的加權(quán)La是初始設(shè)定的權(quán)值，一般 使用1，即平均加權(quán)的方法，標(biāo)識(shí)翅、中胸背板和腹部三類圖像的權(quán)重相同。
[0040] 步驟5)中所述的實(shí)蠅人工交互識(shí)別方法，具體為:依據(jù)實(shí)蠅人工分類學(xué)原理中的 直接比對(duì)法，用標(biāo)本圖像代替實(shí)物標(biāo)本，在計(jì)算機(jī)自動(dòng)識(shí)別出的可能物種列表基礎(chǔ)上，調(diào)出 模板庫(kù)中的典型圖像及庫(kù)中預(yù)存的其它重要分類學(xué)特征的參考圖像，進(jìn)行待鑒定圖像與上 述圖像的直接同屏比對(duì)，根據(jù)形態(tài)相似性做出判斷，在最相似的一幅圖下予以確認(rèn);然后還 可再次進(jìn)行所有圖像的同屏復(fù)核，即將所有待鑒定圖像(如同一種的頭、胸、翅及腹部圖像） 與庫(kù)中的各類模板圖像和其它參考圖像在同一版面上全部以對(duì)比的方式列出，從而使特征 對(duì)比全面鮮明、一目了然，以進(jìn)一步確定物種。最后根據(jù)已確定物種的名稱調(diào)出所存儲(chǔ)的文 字信息，如分類學(xué)特征描述、地理分布和寄主植物信息等，進(jìn)行更多信息的核實(shí)。
[0041] 以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的原 則和精神之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均包含在本發(fā)明的保護(hù)范圍之內(nèi)。 [0042]附表1: "世界有害實(shí)蠅圖像識(shí)別系統(tǒng)1.0"物種名錄


【主權(quán)項(xiàng)】
1. 一種基于世界有害實(shí)蠅圖像數(shù)據(jù)庫(kù)的實(shí)蠅圖像識(shí)別系統(tǒng)，其特征在于，包括以下各 步驟： 1) 建立世界有害實(shí)蠅多源實(shí)物標(biāo)本圖像信息庫(kù)及其識(shí)別標(biāo)準(zhǔn)共6屬74種，其中包括果 實(shí)蠅屬37種、寡鬃實(shí)蠅屬10種、小條實(shí)蠅屬10種、按實(shí)蠅屬11種、繞實(shí)蠅屬5種和長(zhǎng)尾實(shí)蠅屬 1種，含整體背面及側(cè)面觀外部形態(tài)及頭、中胸背板、翅和腹部重要分類特征圖像。 2) 根據(jù)實(shí)蠅人工分類學(xué)原理及用戶使用習(xí)慣，設(shè)計(jì)和研發(fā)鑲嵌實(shí)蠅翅、中胸背板及腹 部自動(dòng)識(shí)別模塊的實(shí)蠅圖像識(shí)別系統(tǒng)，其核心為自動(dòng)和交互的實(shí)蠅識(shí)別方法，主要架構(gòu)分 為應(yīng)用層、核心層和數(shù)據(jù)層，主要功能包括圖像輸入、圖像預(yù)處理、圖像識(shí)別、結(jié)果顯示及文 字檢索查詢五部分;該系統(tǒng)首先對(duì)圖像進(jìn)行預(yù)處理，然后進(jìn)行依據(jù)翅、中胸背板和腹部特征 的自動(dòng)識(shí)別，再在自動(dòng)識(shí)別的基礎(chǔ)上人工交互識(shí)別，最后調(diào)出已識(shí)別物種的圖像與文字信 息進(jìn)行進(jìn)一步復(fù)核;人工交互識(shí)別及進(jìn)行圖像復(fù)核時(shí)采用待鑒定圖像與模塊庫(kù)中典型圖像 及其它參考圖像同屏顯示并直接比對(duì)的方式；自動(dòng)識(shí)別結(jié)果可選擇前3、前5和前8最相似物 種進(jìn)行顯示;系統(tǒng)為開放式設(shè)計(jì)，可選擇基于不同算法的自動(dòng)識(shí)別模型，預(yù)留多個(gè)圖像采集 和預(yù)處理入口，并對(duì)接文字?jǐn)?shù)據(jù)庫(kù)以進(jìn)行物種信息的文字查詢，具中、英文兩種顯示方式。2. -種基于世界有害實(shí)蠅圖像數(shù)據(jù)庫(kù)的自動(dòng)和交互實(shí)蠅識(shí)別方法，其特征在于，包括 以下各步驟： 1) 依據(jù)實(shí)蠅翅的形態(tài)特點(diǎn)，訓(xùn)練翅ASM模型，開發(fā)實(shí)蠅翅輪廓自動(dòng)標(biāo)注工具，并利用該 工具有效標(biāo)識(shí)出模板庫(kù)中所有翅的自動(dòng)識(shí)別區(qū)域。 2) 依據(jù)實(shí)蠅中胸背板及腹部背面觀的形態(tài)特點(diǎn)，利用矩形輪廓選取工具，有效標(biāo)識(shí)出 模板庫(kù)中所有中胸背板及腹部背面觀的自動(dòng)識(shí)別區(qū)域。 3) 分別建立實(shí)蠅翅、中胸背板及腹部核心自動(dòng)識(shí)別模塊，具體包括提取各類自動(dòng)識(shí)別 區(qū)域中模板圖像的Gabor曲面特征，建立模板圖像特征數(shù)據(jù)庫(kù)，并采用模板匹配法進(jìn)行自動(dòng) 分類鑒定，然后給出根據(jù)相似度排好順序的自動(dòng)鑒定結(jié)果。 4) 在實(shí)蠅自動(dòng)識(shí)別的基礎(chǔ)上進(jìn)行人工交互識(shí)別，人工交互識(shí)別時(shí)采用待鑒定圖像與模 塊庫(kù)中典型圖像及其它參考圖像同屏顯示并直接比對(duì)的方式，最后可調(diào)出物種圖像及文字 ig息進(jìn)行進(jìn)一步復(fù)核。3. 根據(jù)權(quán)利要求2所述的實(shí)蠅翅輪廓自動(dòng)標(biāo)注工具，其特征在于：首先將ASM疊加于實(shí) 蠅翅圖像上，調(diào)整角度、尺寸，使ASM形狀與實(shí)蠅翅輪廓大致相近，然后進(jìn)行輪廓自動(dòng)匹配， 在圖像上截取出ASM輪廓區(qū)域內(nèi)的圖像并進(jìn)行邊界平滑處理。4. 根據(jù)權(quán)利要求2所述的建立實(shí)蠅翅、中胸背板及腹部核心自動(dòng)識(shí)別模塊，其特征在 于:首先使用Gamma矯正和對(duì)比度均衡化進(jìn)行實(shí)蠅圖像預(yù)處理，對(duì)待識(shí)別區(qū)域進(jìn)行8個(gè)方向5 個(gè)尺度的Gabor濾波，共得到40個(gè)濾波圖像，再對(duì)每個(gè)圖像進(jìn)行二值化并統(tǒng)計(jì)16個(gè)區(qū)間上的 直方圖，然后將40個(gè)直方圖聯(lián)合起來(lái)進(jìn)行線性判別分析(LDA)降維形成待識(shí)別的特征模板； 最后基于特征模板間的相似度測(cè)量值，使用模板匹配法給出最相似的若干可能結(jié)果，當(dāng)特 征模板不同時(shí)，測(cè)量值通過(guò)加權(quán)融合的方法進(jìn)行匹配。
【文檔編號(hào)】G06K9/46GK106096612SQ201610374490
【公開日】2016年11月9日
【申請(qǐng)日】2016年6月1日
【發(fā)明人】陳小琳, 侯新文, 周力兵, 王江寧, 白永華, 鄧裕亮
【申請(qǐng)人】中國(guó)科學(xué)院動(dòng)物研究所, 中國(guó)科學(xué)院自動(dòng)化研究所, 中華人民共和國(guó)云南出入境檢驗(yàn)檢疫局