论文部分内容阅读
昆虫种类的准确鉴定是昆虫生态学、形态学、生理学、生物化学、行为学、毒理学及各门应用昆虫学(如农业昆虫学、森林昆虫学、医用昆虫学)等学科的研究基础。若昆虫种类鉴定不准确,会导致这些学科的研究丧失客观性、可比性和重复性,从而丧失科学价值。现阶段昆虫种类的鉴定工作主要由经验丰富但为数不多的鉴定专家完成。由于昆虫种类繁多,目前昆虫中80%的种还是未知种。昆虫种类鉴定的实际需求已远远超过了现有鉴定专家所能承担的负荷。为了降低传统昆虫鉴定工作的负担以及加快昆虫种类的发现速度,昆虫自动识别技术已经成为一个热门的研究领域。昆虫鉴别特征的自动提取和测量是实现昆虫自动识别的关键。就绝大多数昆虫而言,它们具有形态方面的鉴别特征。由于昆虫翅的特征不仅具有重要的分类学意义,且易于数值描述,因此提取昆虫翅特征的软件较多。然而,昆虫种类达100多万种,形态多样性极高,用几款软件或者某种算法来解决所有昆虫的鉴定问题,几乎是不可能的,这就需要针对不同类群的昆虫寻求不同的解决方案。稻飞虱是水稻的主要害虫,主要包括灰飞虱、褐飞虱和白背飞虱。稻飞虱种类的识别历来是虫害预测预报研究的关键。而目前稻飞虱种类的鉴定主要靠专业分类人员借助放大镜、解剖镜和显微镜观察头顶形状以及额、颊、中胸背板的颜色,再借助检索表来确定其种类。该方法识别效率低,对专家依赖性大,严重影响稻飞虱测报的准确性和时效性。为提高稻飞虱的识别效率,本文结合数字图像处理技术自动、快速、重复测量的特点,以稻飞虱前翅图像为研究对象,对前翅形状特征的测量方法进行深入研究,探讨翅的形状特征能否作为识别稻飞虱的依据。主要研究内容及结论如下:(1)在以傅里叶描述子为形状的识别(检索)特征时,边界点数是唯一的不确定参数。为选取合适的边界点数,对边界点数与傅里叶描述子精度的关系进行试验研究。以圆形边界为例,采用圆的三角公式建立圆形边界,通过调节圆心角的采样间隔来控制边界点的数量。在简要介绍复数傅里叶描述子和形状相似度理论的基础上,以形状相似度为指标,对边界点数与傅里叶描述子精度的关系进行试验分析。结果表明边界点数越多,傅里叶描述子的精度越高。当边界点数大于64时,傅里叶描述子精度的变化不大。最后以圆形二值图像验证了上述试验结果的正确性,并得到傅里叶描述子精度还与图像采集系统精度有关的结论。在图像采集系统一定,求边界的傅里叶描述子前,该结论可用于边界点数的确定。(2)稻飞虱样本制备、图像采集及形状归一化处理。选取每种飞虱样本10个。为保证翅面干净且以免操作中破坏翅的完整性,用95%的酒精洗去翅面尘土或污垢,并分类标记。用尖头镊子剪取下完整的前翅,放在载玻片上,滴少量胶水制成临时薄片,待酒精蒸发完毕后加盖盖玻片予以保护。采用体视显微镜对所有的薄片进行图像采集,并以BMP格式保存。提取稻飞虱前翅边界并进行归一化处理,使得所有样本边界具有相同的位置、方位和大小,同时对边界进行重采样,使得所有样本的边界点数为64,为傅里叶描述子的比较研究做准备。(3)以边界重构精度和识别精度为指标,对极半径傅里叶描述子、复数傅里叶描述子和椭圆傅里叶描述子进行深入的比较研究,以探讨前翅边界能否作为识别稻飞虱的特征。简要介绍三种傅里叶描述子。通过比较三种傅里叶描述子重构边界的精度,得出每种傅里叶描述子重构稻飞虱前翅边界所需要的低频系数的个数。采用层次聚类算法对三种傅里叶描述子低频系数与筛选系数识别稻飞虱的精度进行比较。结果表明,三种傅里叶描述子的前15个系数均能完整的重构稻飞虱前翅边界,当重构精度一定时,需要三种傅里叶描述子的系数个数依次为:椭圆傅里叶描述子<极半径傅里叶描述子<复数傅里叶描述子;三种描述子中,椭圆描述子的识别率较高,复数描述子和极半径描述子的识别率基本相当,但三种描述子的识别率均不高;以低频系数为特征时,三种稻飞虱样本交叉混合,难以区分;以筛选系数为特征时,三种傅里叶描述子聚类结果基本一致,灰飞虱前翅的特征不稳定,褐飞虱和白背飞虱的前翅形状差异较大;由于3种稻飞虱前翅边界的形状极其相似,以边界特征进行区分的精度较低。(4)对稻飞虱翅脉特征的提取方法进行研究,以探讨翅脉特征能否作为识别稻飞虱的依据。简要介绍基于距离变换的分水岭算法。采用该方法提取稻飞虱翅脉骨架,并与细化算法提取的骨架图进行比较。最后用所有样本来检验算法的稳定性和重复性。结果表明,基于距离变换的分水岭算法提取的翅脉骨架更加光滑,节点数量更加稳定。该方法对图像采集方式和质量的要求不高,也适用于果蝇、蜜蜂的翅脉特征提取。(5)在翅脉节点坐标提取出来的基础上,能否利用翅脉特征实现稻飞虱种类的鉴定,采用Fisher逐步判别法对稻飞虱前翅翅脉节点问的距离进行统计分析。首先获取翅脉节点间的距离数据。采用Fisher逐步判别法对16根翅脉的距离值进行分析,筛选出具有显著差异的距离值,并建立判别模型。为了检验数据的可靠性以及比对不同方法对同一样本的差异性,使用世界著名的特征点标记软件TPSDig对同样的样本进行翅脉距离的统计分析。结果表明,采用基于距离变换的分水岭算法提取的节点坐标数据比TPSDig软件提取的数据更加可靠,翅脉距离3、4、5、6、12具有显著性差异,识别稻飞虱的正确率为83.33%。与边界傅里叶描述子相比,翅脉特征识别稻飞虱的精度较高。因此,利用翅脉特征进行稻飞虱种类鉴定是可行的。