[发明专利]一种基于多特征融合的蚊虫识别方法

说明书

本发明公开了一种基于多特征融合的蚊虫识别方法。现有识别蚊虫的方法效率低、误识率较高。本发明方法包括训练阶段和测试阶段。训练阶段首先收集蚊子彩色图像，组成训练集，然后对蚊虫彩色图像尺寸规范化处理，提取图像融合特征，获取训练集中每幅图像的融合特征，训练支持向量机分类模型。测试阶段是将预处理后测试图像进行图像特征提取，将获得的融合特征输入训练好的支持向量机分类模型中，模型输出识别结果。本发明方法提取HSV颜色特征、HOG特征和LBP特征，并且将三个特征进行融合，能更好地表现不同类别蚊虫图像的信息差异，避免了单一特征的不足，从而具有较高的准确性和较强的鲁棒性。

技术领域

本发明属于数字图像处理领域，涉及一种基于多特征融合的蚊虫识别方法，具体是白纹伊蚊、致倦库蚊、三带喙、骚扰阿蚊和按蚊五类蚊虫图像的识别方法。

背景技术

随着全球变暖，蚊类昆虫变得越来越活跃，由蚊虫传播疾病的风险也随之升高。目前，世界上存在的蚊虫大约有3500种，但是能对人类传染致病病原体的只有一小部分蚊子。近年来，随着蚊虫传播疾病和相关伤亡人数的急剧增加，对于传播病原体的相关蚊虫密度监控也变得越来越重要。目前，现有识别蚊虫的方法还是依靠人工肉眼识别，不仅时间成本较大，效率不高，而且还会带来严重的认知负担，导致误识率较高。因此，采用计算机自动识别蚊虫种类，将会大大提高工作效率，减少人力识别负担。

发明内容

本发明的目的是提供一种基于多特征融合的蚊虫识别方法。

本发明方法包括训练阶段和测试阶段。

训练阶段：

(1)收集蚊子彩色图像：每幅图像只包含一个蚊子，组成训练集。训练集只包含白纹伊蚊、致倦库蚊、三带喙、骚扰阿蚊和按蚊五类蚊子图像。

(2)图像预处理：利用双三次插值法将蚊虫彩色图像尺寸规范化到M×N，112≤M≤480，112≤N≤480。

(3)图像特征提取：

(3-1)将蚊虫图像由RGB颜色空间转换为HSV颜色空间，从图像提取H、S、V分量，并对三个分量的值以量化间隔P为间隔统计直方图获得直方图特征H_C；

(3-2)提取方向梯度直方图HOG特征H_G：首先将蚊子彩色图像转换成灰度图，采用Gamma校正法对灰度图进行灰度归一化，并计算每个像素的梯度，然后将图像划分成相互之间不重叠的小单元格，在每个小单元格上以K为间隔统计梯度直方图，每2×2个单元格组成一个块，一个块内所有单元格的特征串接起来便得到该块的HOG特征，相邻块之间重叠一个单元格宽度，将图像内所有块的HOG特征串接起来，得到该图像的HOG特征H_G；K为15°、20°或30°。

(3-3)提取局部二值模式LBP特征H_L：在灰度图上设定一个大小为3×3的窗口，比较窗口中心点像素值和邻域8个点像素值的大小，若邻域某点像素值小于中心点像素值，则该点记录为0，否则记录为1，由此可以得到8位二进制数；将8位二进制数转换为十进制数，得到3×3窗口区域的LBP码；对于尺寸大小为M×N的图像，忽略边界像素点，得到(M-2)×(N-2)个LBP码，然后利用直方图统计LBP码的分布得到该图像的LBP特征H_L；

(3-4)依次对特征H_C、特征H_G和特征H_L串接，得到融合特征F。

(4)训练支持向量机分类模型：获取训练集中每幅图像的融合特征F，白纹伊蚊、致倦库蚊、三带喙、骚扰阿蚊和按蚊的标签分别设置为0、1、2、3、4，采用径向基核函数，训练支持向量机。

测试阶段：