一种基于翅脉特征的昆虫种类识别方法

本发明属于昆虫种类识别领域，具体涉及一种基于翅脉特征的昆虫种类识别方法。

背景技术：

1、在自然界中，昆虫数量超过所有物种的六成以上，昆虫所包含的种属大于所有动物类群的总和，且与人类经济活动有着非常密切的联系。昆虫庞大的种类数量对其物种的研究工作提出了严峻的挑战，同时由昆虫研究技术带来的经济利益也是不可估量的。此外，正确识别昆虫种类以及采取有效的防治措施在农业和林业建设中也都是至关重要的环节。因此，对昆虫种类的识别和分类具有非常重要的实际意义。

2、无论在传统昆虫分类学或是在现代昆虫数值分类学中，翅脉特征都具有非常重要的分类意义。工程师尝试使用昆虫的一些数值特征对其进行分类，但这些数据的获取往往需要手工测量，操作难度大，而且准确度不高。怎样高效快捷地获取这些翅脉特征值，进而把这一技术推广应用到其它昆虫翅脉特征值的自动获取，成为昆虫数学形态分类学研究的一个重要问题。昆虫图像识别研究技术对认识不同种类昆虫的生物特性，并在此基础上找出经济、安全、有效的林业和农业发展提供了重要的科学依据。随着计算机视觉技术领域的发展，以及图像处理级模式识别技术的广泛应用，利用昆虫翅脉图像对昆虫种属进行翅脉特征的识别分类已经变成昆虫识别领域的一个新探索。

技术实现思路

1、基于以上需求，本发明提供一种基于翅脉特征的昆虫种类识别方法，解决了人工观测和识别昆虫种类过程中所遇到的各种区分精度差，以及不同分类人员经验和先验知识差异所带来的分类误差所导致的识别耗时且效率低下等问题。

2、本发明所采用的技术如下：一种基于翅脉特征的昆虫种类识别方法，步骤如下：

3、步骤1、昆虫翅脉图像的标准化拍摄

4、制作带有水平方向和垂直方向的网格线的白板，同时在水平方向上和垂直方向上，每间隔一段距离，标记有一个特征点，制作成校准板，用于对昆虫的翅脉相片进行标准化的拍照，选择20个数量典型的昆虫物种，每个昆虫物种分别选取11个样本，并在每个昆虫物种中随机选取其中10个作为分类训练样本，1个作为待分类的验证样本，然后将每个已知类别昆虫物种的训练样本逐一放在校准板上采用数码相机进行拍照，获取昆虫翅脉训练样本的彩色标准化图像，并将彩色标准化相片传输到计算机中保存；

5、步骤2、昆虫翅脉图像的提取和预处理

6、利用校准板对步骤一中的标准化昆虫翅脉相片进行几何畸变校正，去除相机垂直摄影方式对相片产生的几何畸变，并对昆虫完整的单个翅脉图像进行裁剪，对裁剪的结果进行图像的灰度化处理，并对昆虫翅脉图像灰度图进行二值化处理，获取昆虫翅脉的标准化二值图，并对其进行基于数学形态学的膨胀和腐蚀处理，得到修正后的昆虫翅脉二值化图像；

7、步骤3、昆虫翅脉特征的标准化提取

8、利用步骤二中的昆虫翅脉标准化二值图提取昆虫翅脉不同类型的特征参数，对修正后的昆虫翅脉二值图像进行骨架化处理，根据骨架化处理结果提取翅脉总长度，翅脉长度比率，翅脉总面积，面积比率，翅脉的长宽比率，翅脉的平均宽度；

9、步骤4、昆虫翅脉综合特征指数的建立

10、利用机器学习的理论计算步骤3中昆虫的不同类型翅脉特征参数，并对参数的计算结果数据集进行建库，将不同类型翅脉特征参数进行分级并赋予权重系数，将标准化处理后的昆虫翅脉特征参数与权重系数加权求和，建立基于不同类型特征参数的昆虫翅脉综合特征指数，并对昆虫翅脉综合特征指数进行建库；

11、步骤5、昆虫类别的识别和鉴定

12、对不同类型的昆虫进行标准化图像获取、翅脉特征提取、以及昆虫翅脉综合特征指数的计算，并建立数据库，存储不同类型昆虫的翅脉综合特征指数，然后在实际昆虫识别工作中，提取待鉴定昆虫的昆虫翅脉综合特征指数，并查询数据库中已有的昆虫翅脉综合特征指数数据集，对比和确定待鉴别昆虫的实际种类。

13、进一步的，步骤1具体如下：选择20个典型的昆虫物种，每个昆虫物种分别选取11个样本，并在每个昆虫物种中随机选取其中10个作为分类训练样本，1个作为待分类的验证样本，将数码相机安装在可调节高度的金属支架上，将可调节高度的金属支架固定在试验台上，调节金属支架高度，同时调整数码相机角度，使数码相机的镜头距离垂直向下，距离试验台20厘米，并且将数码相机在试验台的投影中心进行标记，数码相机通过数据连接线与计算机连接，制作校准板：在白纸板上绘制一个边长为20厘米的正方形区域，并在该区域内绘制水平方向和垂直方向的网格线，水平方向和垂直方向网格线的间距为均5毫米，同时在水平方向上和垂直方向上，每间隔2厘米，用红色标记一个特征点；将校准板平放在数码相机正下方，调整校准板位置，当校准板中心与试验台上的数码相机的投影中心标记重叠后固定校准板；对校准板进行拍照，然后将每个已知类别昆虫物种的翅脉的10个训练样本逐一放在校准板上进行拍照，获取昆虫翅脉训练样本的彩色标准化图像，并将彩色标准化图像传输到计算机中保存。

14、进一步的，步骤2具体如下：

15、第一步，在erdas图像软件中打开校准板相片，选择校准板上标记的红色特征点并将其作为几何校正的校正点，利用erdas图像软件中的几何校正模块，选择多项式几何校正方法对所有的校正点进行几何校正处理，并且保存此时的几何校正算法模型model；

16、第二步，载入昆虫翅脉训练样本的翅脉彩色标准化图像，并利用几何校正算法模型model对昆虫翅脉彩色标准化图像进行几何畸变校正，得到几何校正结果图像i1，将所有昆虫训练样本的翅脉彩色标准化图像的几何校正结果图像保存为数据集i1；

17、第三步，在matlab软件中载入校准板的几何校正结果图像，并将其保存为矩阵数据a，记录a图像矩阵中对应的校准板左上角坐标点的行号h1，记录a图像矩阵中对应的校准板左上角坐标点的列号l1，记录a图像矩阵中对应的校准板右下角坐标点的列号h1，以及a图像矩阵中对应的校准板右下角坐标点的列号h2；

18、第四步，载入每一个昆虫训练样本的翅脉彩色标准化图像的几何校正结果图像，并将其保存为矩阵数据a，读取a矩阵中h1行至h2行，以及l1列到l2列的数据，实现对校准板对应的昆虫训练样本的翅脉彩色标准化图像的几何校正结果进行统一大小的裁剪操作，得到昆虫训练样本的彩色标准化翅脉裁剪图像i1，将所有昆虫训练样本的彩色标准化翅脉裁剪图像保存为数据集i1；

19、第五步，对昆虫训练样本的彩色标准化翅脉裁剪图像i1中的红色图像分量r、绿色图像分量g和蓝色图像分量b进行计算，将r、g、b三个颜色分量的均值保存为翅脉标准化灰度图像i2，并将所有昆虫训练样本的标准化灰度图像保存为数据集i2；

20、第六步，对昆训练样本的标准化灰度图像数据集i2中的每一个样本图像i2进行统计直方图的绘制，查找并标记统计直方图中表示翅脉深色部分的像元灰度值区域以及统计直方图中表示透明翅膜部分的像元灰度值区域之间的曲线低谷中心处所对应的像元灰度值t，将t作为阈值对i2进行二值化处理，将i2中所有亮度值小于t的像元亮度值设置为0，将i2中所有像元亮度值大于t的像元亮度值设置为1，从而得到昆虫翅脉训练样本的翅脉标准化二值化图像i3，并将所有昆虫训练样本的翅脉标准化二值化图像数据集保存为i3；

21、第七步，对昆虫训练样本的标准化二值图像数据集i3中的每一个昆虫样本标准化二值化图像i3进一步进行腐蚀和膨胀处理，去除图像中的杂点背景噪声，并且将图像中翅脉间断的部分进行连接，从而形成翅脉修正标准化二值图像i4，并将所有昆虫训练样本的翅脉修正标准化二值化图像数据集保存为i4，从而完成所有流程的图像预处理操作。

22、进一步的，步骤3具体如下：

23、第一步，在matlab软件中读取所有昆虫训练样本的翅脉修正标准化二值图像数据集i4，并对数据集中每一个昆虫样本的翅脉修正标准化二值图像i4进行处理，查找并记录i4中表示翅脉部分的所有像元亮度值为0的像元总个数m1，以及表示翅膜部分的所有像元亮度值为1的总像元个数n1，计算整个翅脉的像元总个数num＝m1+n1；

24、第二步，对i4图像进行骨架化处理操作，通过迭代骨架化算法将昆虫翅脉收缩为1个像元宽度的翅脉骨架，记录此时翅脉骨架中的像元个数m2；

25、第三步，根据校准板图像的行数h2-h1表示其对应的正方形边长的像元个数，结合校准板真实长度为20厘米计算每一个像元的实际长度以及每一个像元的真实面积

26、第四步，利用公式m2×l计算样本昆虫翅脉的总长度t1，并将所有训练样本昆虫翅脉总长度的数据集保存为t1；利用公式计算样本昆虫翅脉的长度比率t2，并将所有训练样本昆虫翅脉长度比率的数据集保存为t2；利用公式m1×a计算昆虫翅脉的总面积t3，并将所有训练样本昆虫翅脉面积的数据集保存为t3；利用公式计算昆虫翅脉的面积比率t4，并将所有训练样本昆虫翅脉面积比率的数据集保存为t4；利用公式计算昆虫翅脉的平均宽度t5，并将所有训练样本昆虫翅脉的平均宽度数据集保存为t5；利用公式计算昆虫翅脉的长宽比率，并将所有训练样本昆虫翅脉的长宽比率数据集保存为t6。

27、进一步的，步骤4具体如下：

28、第一步，对不同类型的训练样本昆虫翅脉特征参数进行极差标准化处理，使每一个类型的昆虫翅脉特征参数范围在0～1之间，将所有训练样本的昆虫翅脉长度标准化数据保存为数据集t1'，将所有训练样本的昆虫翅脉长度比率标准化数据保存为数据集t2'，将所有训练样本的昆虫翅脉面积标准化数据保存为数据集t3'，将所有训练样本的昆虫翅脉面积比率标准化数据保存为数据集t4'，将所有训练样本的昆虫翅脉平均宽度标准化数据保存为数据集t5'，将所有训练样本的昆虫翅脉长宽比率标准化数据保存为数据集t6'；

29、第二步，在matlab软件中载入不同类型的昆虫翅脉特征标准化数据集，利用随机森林模块计算不同类型的昆虫翅脉特征参数的重要性参数，其中昆虫翅脉长度重要性为w1，昆虫翅脉长度比率重要性为w2，昆虫翅脉面积重要性为w3，昆虫翅脉面积比率重要性为w4，昆虫翅脉平均宽度重要性为w5，昆虫翅脉长宽比率重要性为w6；

30、第三步，利用公式建立已知训练类别的昆虫翅脉综合特征指数insect-index，其中，wk为昆虫翅脉特征参数类别，tk'为昆虫翅脉训练样本的特征参数标准化数据集，k＝1-6，将所有类型昆虫训练样本的翅脉综合特征指数进行建库，并保存为昆虫翅脉综合特征指数的数据集insect-set。

31、进一步的，步骤5具体如下：

32、第一步，任选不同种类的待识别昆虫验证样本，获得该昆虫验证样本的翅脉彩色标准化图像；第二步，对昆虫验证样本的翅脉彩色标准化图像进行统一流程的几何校正处理、图像灰度化处理、图像二值化处理、膨胀处理和腐蚀处理等预处理操作；

33、第三步，计算待识别昆虫验证样本的翅脉长度t1'，计算待识别昆虫验证样本的翅脉长度比率t2'，计算待识别昆虫验证样本的翅脉面积t3'，计算待识别昆虫验证样本的翅脉面积比率t4'，计算待识别昆虫验证样本的翅脉平均宽度t5'，计算待识别昆虫验证样本的翅脉长宽比率t6'；第四步，将待识别昆虫验证样本的翅脉特征数据代入昆虫翅脉综合特征指数的数据库的翅脉特征数据集中，计算上一步的昆虫验证样本翅脉特征数据离散标准化数据，包括待识别昆虫验证样本的翅脉标准化长度t1"，待识别昆虫验证样本的翅脉标准化长度比率t2"，待识别昆虫验证样本的翅脉标准化面积t3"，待识别昆虫验证样本的翅脉标准化面积比率t4"，待识别昆虫验证样本的翅脉标准化平均宽度t5"，待识别昆虫验证样本的翅脉标准化长宽比率t6"；第五步，利用公式建立待识别昆虫样本的翅脉综合特征指数insect-index'，其中，tk"为待识别昆虫翅脉训练样本特征参数标准化数据集，最后将待识别昆虫样本的翅脉综合特征指数insect-index'与昆虫翅脉综合特征指数的数据集insect-set中的元素进行匹配，计算待识别昆虫样本的翅脉综合特征指数insect-index'与昆虫翅脉综合特征指数的数据集insect-set中每一个已知训练类别的昆虫翅脉综合特征指数insect-index的绝对值差ad(j)，j表示在本实例中数据库保存的已知的训练样本昆虫种类，j＝1-20，选择绝对值差ad最小值对应的那个种类，即为待识别昆虫样本的实际分类结果。

34、本发明的有益效果和优点：本发明涉及的方法与现代昆虫数值分类学中现有的通过手工测量方法获取的昆虫形态特征对昆虫的类别进行鉴定的方法相比，不需要繁复的手工测量工作，测量时间大大的缩短。此外，与传统人工测量方法进行昆虫类别的鉴定工作相比，本发明涉及的昆虫类别鉴定方法不需要鉴定人员具有专业的背景知识，操作难度低，操作流程也简单规范，识别误差小，结果精确。同时，本发明涉及的昆虫种类识别方法，在处理图像，提取翅脉特征参数，建立昆虫翅脉综合特征指数，可以实现对昆虫类别鉴定的批量自动化处理，极大地提高对待鉴定昆虫的识别速度和效率，提升昆虫类型识别的准确率。