果蠅求偶行為的圖像識別算法研究.pdf

1、隨著圖像處理、模式識別和智能計算機等相關(guān)技術(shù)的不斷發(fā)展，昆蟲的行為識別逐漸成為研究的熱點。本研究以圖像處理和模式識別理論為基礎(chǔ)，借鑒了國內(nèi)外的相關(guān)研究經(jīng)驗，選取處于求偶期的果蠅作為研究對象，實現(xiàn)了自動化識別果蠅的求偶行為。本研究首先通過視頻文件獲取果蠅圖像;接著在對圖像進行預(yù)處理、分割的基礎(chǔ)上，提取了反映其求偶狀態(tài)的特征參量;最后用BP神經(jīng)網(wǎng)絡(luò)的方法識別了果蠅的求偶行為。另外還基于目標(biāo)跟蹤技術(shù)，提出了進一步提高識別準(zhǔn)確率的方法。

2、　　主要研究內(nèi)容如下:
　　(1)通過對比，選擇使用DirectShow作為從視頻中抽取圖像的工具，并選擇使用灰度圖像進行后續(xù)的分割操作;同時根據(jù)果蠅圖像的特點，提出基于背景生成、更新的圖像預(yù)處理方法。
　　(2)提出了綜合利用Otsu法、數(shù)學(xué)形態(tài)學(xué)操作和灰度直方圖的果蠅圖像自動化分割算法。并通過研究求偶果蠅之間的位置關(guān)系和其差值圖像的灰度均方差的變化規(guī)律，提前篩除部分未發(fā)生求偶行為的果蠅目標(biāo)。
　　(3)通過對比分析

3、，選擇Hu矩中的前四個低階矩以及果蠅輪廓的面積、周長和似圓度作為識別求偶果蠅的特征參量。
　　(4)選擇BP神經(jīng)網(wǎng)絡(luò)用于果蠅分類。采用Levenberg-Marquardt算法訓(xùn)練神經(jīng)網(wǎng)絡(luò);根據(jù)實驗數(shù)據(jù)，調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)為7-14-1，并設(shè)定輸出值的分類閾值為0.5。測試樣本的平均識別率達(dá)87％，驗證了該網(wǎng)絡(luò)的有效性。
　　(5)提出了基于鄰域軌跡預(yù)測、輪廓相似度和卡爾曼濾波的果蠅跟蹤算法，并討論了該算法減少果蠅求偶識別誤檢率和