[发明专利]三色RGB图像的蚊虫识别方法

说明书

本发明公开一种三色RGB图像的蚊虫识别方法，主要解决现有技术需要计算资源多，设备成本高的问题。其实现方案是：获取目标蚊虫的图像区域，遍历蚊虫目标图像的像素点获得目标蚊虫图像的RGB颜色直方图以及直方图函数；根据不同种类蚊虫目标图像的三色RGB图像直方图，设计不同种类蚊虫目标图像的RGB特征函数；根据特定蚊虫种类的特征对函数表达式进行简化设计并获得函数的参数；根据目标蚊虫的RGB颜色直方图函数，以及蚊虫RGB特征函数，对目标蚊虫进行分类识别。本发明减少了计算资源，降低了设备成本，能实现对淡色库蚊和白蚊伊蚊两种蚊虫的分类，可用于生物物种的识别。

技术领域

本发明属于数字图像处理技术领域，特别涉及一种图片中的蚊虫识别，可用于生物物种或物体的识别。

背景技术

传统蚊虫分类一般采用人工的方法，即使用肉眼对采集好的蚊虫标本根据蚊虫的形态学特性进行分类，其存在分类效率低，风险性高，以及受人工特性，如疲劳的影响较大的缺点。使用数字图像处理的方法对蚊虫识别能够极大地提高蚊虫识别的效率，降低人力成本和人工风险性。

随着计算机和智能领域的发展，目标检测算法也取得了不断的突破。传统的目标检测算法主要基于图像特征进行检测，如Lowe提出的尺度不变特征转换SIFT算法，是通过查找图像中不易受到光照，噪声，仿射变换等特征点来匹配图像中的目标，并使用高斯差分函数进行极值点检测，消除不稳定的极值点，最后使用方向直方图统计关键点的梯度获得指定目标的特征。该SIFT算法具有特征提取好，鲁棒性高的特点。但存在算法复杂度高，检测速度慢的问题。

针对SIFT的缺点，Yan Ke等人和Bay等人分别提出了PCA-SIFT方法和SURF方法。PCA-SIFT算法在SIFT的基础上引入了主成分分析的方法，使用PCA代替直方图对子向量进行降维处理，提高匹配效率。SUFT引入了Hessian矩阵来获取关键点定位，极大地减少了计算量。Paul Viola和Michael J Jones提出的Viola-Jones算法是第一种具有普适性的能够实时处理并且有较好效果的人脸检测算法。Viola-Jones算法使用Haar特征描述图片窗口以及局部区域的明暗变化，使用级联分类器减少运算量，实现实时目标检测。

现有目标检测主要是利用深度学习进行检测，有两类检测算法，一类是基于分类的目标检测算法,另一类是将分类转化为回归问题的算法。其中第一类主要是通过OverFeat,R-CNN算法找到图像中的候选区域，对候选区域进行分类。第二类是主要是以YOLO和SSD为代表的目标检测算法，它们以回归的方式来预测目标的区域，并以置信度衡量类别的概率来完成目标的检测与识别。

由于不同蚊虫具有相似的形态学特性，同种类的蚊虫可以展现出不同的姿态，这对于基于SIFT的特征点检测具有一定的难度。而基于深度学习的算法检测精度虽然很高，但是需要大量的计算资源，需要比较强大的计算设备，例如GPU设备，因此成本较高，不能满足在较大地域内广泛使用蚊虫检测设备的需求。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种三色RGB图像的蚊虫识别方法，以减小计算资源，降低设备成本，满足在较大地域内对蚊虫检测的需求。

本发明的技术方案是，通过待检测的图片和图片的背景存在差异的特性，提取出待检测图片中含有的蚊虫目标；对蚊虫目标区域的颜色特征进行提取，获得蚊虫目标区域的RGB颜色直方图。根据直方图的统计特性设计特征函数并计算不同种类蚊虫的置信分数。根据置信分数获得蚊虫的识别情况。具体实现步骤包括如下：

(1)获取单个蚊虫目标图像；

(2)遍历蚊虫目标图像的像素点获得每个蚊虫目标图像的三色RGB图像直方图以及其三色RGB图像直方图函数H(i，c)，其中c∈(R，G，B)，表示三色RGB的类别，i∈[1，256]，表示三色RGB的取值；

(3)根据不同种类蚊虫目标图像的三色RGB图像直方图，设计不同种类蚊虫目标图像的RGB特征函数：