基于内容的蝴蝶图像检索的研究与实现

论文摘要

昆虫是地球上物种最丰富、类群最多的一个生物群体,蝴蝶作为鳞翅目中重要的亚目,与人类的生产、生活息息相关。但是对蝴蝶种类的鉴定仅限于少数的昆虫分类学家,而广大的民众、昆虫爱好者、农民和一般农业技术人员除了个别重要蝴蝶种类外,其它绝大多数种类都不认识或者难以鉴定。因此常常出现益害不分、种类不清、类群不明、名称混淆、错误命名的现象,这将严重影响了人们对珍稀和濒危物种的保护以及有害物种的防治。随着信息技术的发展,将信息技术引入蝴蝶种类的鉴定,使得蝴蝶种类的鉴定简单、准确、易行,不仅对于保护生物和农业生产具有重要意义,而且对于蝴蝶分类知识的普及也具有十分重要的应用价值。本文以蝴蝶图像为研究对象,收集和整理了中国境内的12个科的805种不同种类蝴蝶图像,采用基于内容的图像检索技术对蝴蝶图像进行检索,得出以下主要研究结果:（1）针对蝴蝶图像的视觉特征和外在形态特征,结合蝴蝶图像颜色和形状的全局特征,抽取了蝴蝶图像不变矩的形状特征,彩色直方图和灰度直方图的颜色特征,并将其用于蝴蝶图像的检索。（2）针对现有的一些图像特征的提取方法都是从整幅图像出发,本文采用基于兴趣点的局部特征来描述蝴蝶图像的特征。本文在系统地阐述局部特征相关技术的基础上,将SIFT和PCA-SIFT这两个局部特征方法应用到蝴蝶图像的检索中,SIFT局部特征取得了比较好的效果。（3）采用C#和Matlab混合编程的方式,首先提取了蝴蝶图像的彩色直方图、灰度直方图、Hu不变矩、SIFT特征、PCA-SIFT特征;其次完成了特征匹配,在对SIFT特征进行特征匹配的时候采用了KD-Tree和BBF技术加快了匹配的速度。最后完成了整个基于内容的蝴蝶图像检索系统,实现了对蝴蝶图像的检索。实验结果表明全局特征的提取方法和过程比较简单,特征匹配的速度较快,但检索的准确率比较低;局部特征在描述蝴蝶图像的本质特征上要优于全局特征,在检索的正确率上取得了较好的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.2.1 图像检索的研究概况
• 1.2.1.1 国外的研究现状
• 1.2.1.2 国内的研究现状
• 1.2.2 昆虫识别方面的研究概况
• 1.2.2.1 国外的研究现状
• 1.2.2.2 国内的研究现状
• 1.3 研究内容与方法
• 1.3.1 蝴蝶图像样本的准备
• 1.3.2 蝴蝶图像特征的提取
• 1.3.3 系统的设计与开发
• 1.4 论文组织结构
• 第二章 蝴蝶图像检索的系统结构及关键技术
• 2.1 基于内容的蝴蝶图像检索的系统框架
• 2.1.1 特征提取模块
• 2.1.2 蝴蝶图像的特征库模块
• 2.1.3 特征索引
• 2.1.4 特征匹配模块
• 2.2 相似性度量算法
• 2.3 图像检索的性能评价指标
• 2.4 本章小结
• 第三章 基于全局特征的蝴蝶图像的检索
• 3.1 基于形状特征的蝴蝶图像的检索
• 3.1.1 形状特征的描述
• 3.1.2 形状特征检索结果与分析
• 3.2 基于颜色特征的蝴蝶图像的检索
• 3.2.1 颜色模型
• 3.2.2 颜色量化
• 3.2.2.1 灰度直方图
• 3.2.2.2 彩色直方图
• 3.2.3 相似性度量
• 3.2.4 颜色特征实验结果与分析
• 3.3 本章小节
• 第四章 基于局部特征的蝴蝶图像的检索
• 4.1 局部特征
• 4.1.1 特征检测子
• 4.1.1.1 Harris 角点检测子
• 4.1.1.2 LoG 检测子
• 4.1.2 特征描述子
• 4.1.3 特征匹配
• 4.1.3.1 基于阈值的匹配
• 4.1.3.2 基于最近邻的匹配
• 4.1.3.3 基于最近邻距离比的匹配
• 4.2 SIFT 局部特征
• 4.2.1 图像的多尺度
• 4.2.2 SIFT 关键点的检测
• 4.2.3 SIFT 关键点的描述
• 4.2.3.1 分配主方向
• 4.2.3.2 生成特征描述子
• 4.2.4 SIFT 特征匹配
• 4.2.4.1 KD-Tree
• 4.2.4.2 BBF 搜索算法
• 4.3 PCA-SIFT
• 4.3.1 主成分分析
• 4.3.1.1 主成分分析的原理
• 4.3.1.2 主成分的求解过程
• 4.3.2 PCA-SIFT 描述子的生成
• 4.4 实验结果
• 4.4.1 SIFT 鲁棒性的实验结果
• 4.4.2 SIFT 在真实数据集上的实验结果
• 4.4.3 PCA-SIFT 在真实数据集上的实验结果
• 4.5 本章小结
• 第五章 基于内容的蝴蝶图像检索系统实现
• 5.1 系统实现的平台
• 5.2 系统实现框架
• 5.3 系统实现与检索结果
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 作者简介