论文部分内容阅读
随着图像处理、模式识别和智能计算机等相关技术的不断发展,昆虫的行为识别逐渐成为研究的热点。本研究以图像处理和模式识别理论为基础,借鉴了国内外的相关研究经验,选取处于求偶期的果蝇作为研究对象,实现了自动化识别果蝇的求偶行为。本研究首先通过视频文件获取果蝇图像;接着在对图像进行预处理、分割的基础上,提取了反映其求偶状态的特征参量;最后用BP神经网络的方法识别了果蝇的求偶行为。另外还基于目标跟踪技术,提出了进一步提高识别准确率的方法。主要研究内容如下:(1)通过对比,选择使用DirectShow作为从视频中抽取图像的工具,并选择使用灰度图像进行后续的分割操作;同时根据果蝇图像的特点,提出基于背景生成、更新的图像预处理方法。(2)提出了综合利用Otsu法、数学形态学操作和灰度直方图的果蝇图像自动化分割算法。并通过研究求偶果蝇之间的位置关系和其差值图像的灰度均方差的变化规律,提前筛除部分未发生求偶行为的果蝇目标。(3)通过对比分析,选择Hu矩中的前四个低阶矩以及果蝇轮廓的面积、周长和似圆度作为识别求偶果蝇的特征参量。(4)选择BP神经网络用于果蝇分类。采用Levenberg-Marquardt算法训练神经网络;根据实验数据,调整网络结构为7-14-1,并设定输出值的分类阈值为0.5。测试样本的平均识别率达87%,验证了该网络的有效性。(5)提出了基于邻域轨迹预测、轮廓相似度和卡尔曼滤波的果蝇跟踪算法,并讨论了该算法减少果蝇求偶识别误检率和漏检率的作用。(6)借助Emgu CV开源库,基于Visaul Studio 2010开发平台,利用C#语言实现了果蝇求偶行为的识别系统。该系统操作简单,可完成自动化识别果蝇求偶行为和人工比对的工作。上述研究成果,为自动化识别果蝇的求偶行为提供了理论依据和技术支持,节省大量人力的同时保证了识别准确率,有利于相关实验的大规模展开,具有重要的理论意义和实用价值。