论文读后感

储粮害虫图像识别中的特征提取_张红涛

二值化：0-255灰白图像

归一化：把数据变成0-1之间的小数

蚁群算法（用于特征提取）：是一种用来寻找优化路径的概率型算法。假设有两条路可从蚁窝通向食物，开始时两条路上的蚂蚁数量差不多：当蚂蚁到达终点之后会立即返回，距离短的路上的蚂蚁往返一次时间短，重复频率快，在单位时间里往返蚂蚁的数目就多，留下的信息素也多，会吸引更多蚂蚁过来，会留下更多信息素。而距离长的路正相反，因此越来越多的蚂蚁聚集到最短路径上来。

识别率：95%

概括：通过利用蚁群算法对害虫进行特征提取，对虫子进行二值化，归一化。

基于机器视觉的草地蝗虫识别方法_毛文华

为了准确、自动地提取蝗虫信息进行蝗灾测报，提出了一种基于机器视觉的草地蝗虫识别方法，用于超低空蝗
灾预警系统所自动采集的视频中草地蝗虫头数信息的提取。该方法先根据跃起草地蝗虫的背景构成，把原始图像分为天
空子图像和草地子图像；然后，采用帧间差分法检测两子图像中的运动区域；最后，运用蝗虫的形态特征因子对检测的
运动区域进行再分类，识别跃起蝗虫。把自动识别的跃起蝗虫头数，带入建立的跃起蝗虫头数与和地面蝗虫头数之间的
数学模型中，从而得到地面蝗虫的数量，进行地面上草地蝗虫的间接计数。试验结果表明：跃起草地蝗虫的识别率为 80%～
100%，由建立跃起蝗虫和地面蝗虫的之间模型计算的地面草地蝗虫的精度大于 80%。

基于机器视觉的农田害虫快速检测与识别研究_韩瑞珍2014

采用数字图像处理技术和模式识别技术研究了害虫的图像分割，特征提取，分类器设计等技术问题.

Otsu分割算法：一种对图像进行二值化的高效算法。利用阈值将原图像分成前景，背景两个图象。由于Otsu算法是对图像的灰度级进行聚类，因此在执行Otsu算法之前，需要计算该图像的灰度直方图

【1】统计灰度级中每个像素在整幅图像中的个数。 
【2】计算每个像素在整幅图像的概率分布。 
【3】对灰度级进行遍历搜索，计算当前灰度值下前景背景类间概率。 
【4】通过目标函数计算出类内与类间方差下对应的阈值。

蚁群算法，SVM

识别率：89.5%

基于机器视觉的小麦害虫分割算法研究_陈月华

在分类上采用SVM和K均值聚类的分类算法

K均值聚类算法：先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。一旦全部对象都被分配了，每个聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。

识别率：90.7%

图像预处理：灰度化，锐化处理

基于模拟退火算法_支持向量机的储粮害虫识别分类_胡玉霞

将模拟退火算法应用到图像识别中SVM中C和g的优化

识别率：95.56%

应用SAA-SVM分类器对虫子进行分类。

模拟退火算法：模拟退火算法来源于固体退火原理，是一种基于概率的算法，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发，伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解，即在局部最优解能概率性地跳出并最终趋于全局最优。

基于图像的昆虫远程自动识别系统的研究_杨红珍

昆虫图像的形态特征值由矩形度、延长度、球状型、叶状型、似圆度和  7 个Hu 不变矩等 12 个特征值组成，颜色特征值由红、绿、蓝、灰度真方图及基于红、绿的二维色度直方图特征值分别组成，然后建立径向基神经网络分类器，每一特征向量由独立的径向基神经网络做为分类器，最终识别由每个分类器识别结果的线性组合而成

识别率：96%

数学形态学在昆虫分类学上的应用研究___在科阶元上的应用研究_沈佐锐

在科分类阶元上对半翅目、鳞翅目和鞘翅目8个科的23种昆虫图像中提取的昆虫面积、周长等11项数学形态特征进行了统计分析。结果表明,在科的阶元上11项特征可靠性大小依次为(似圆度、偏心率)> (面积、周长、横轴长、球状性)> (纵轴长、圆形性)> (形状参数、叶状性)>亮斑数。从数学形态学角度出发,夜蛾科等3个科的亲缘关系远近为夜蛾科与粉蝶科>大蚕蛾科与粉蝶科>夜蛾科与大蚕蛾科;鳃金龟等3科的亲缘关系远近为鳃金龟科与天牛科、丽金龟科与天牛科>鳃金龟科与丽金龟科。

温室白粉虱自动计数技术研究初报_沈佐锐

对白粉虱图象的分割采用Johannsen基于熵的分割算法。对分割后的二值图象利用区域标记算法得到白粉虱个体的数量。对叶片上挨在一起的白粉虱个体采用数学形态学算法进行了分离。用19个带虫叶片样本的统计结果表明,直接利用分割图象进行白粉虱个体计数的累积准确率达91.99% 

 

长翅灰飞虱图像边缘的多区域多结构检测方法_邱白晶

采用Sobel等4种常用方法检测长翅灰飞虱翅膀、爪子等多细节边缘时,会出现边缘不明显、噪声干扰大等问题。采用形态学单结构腐蚀边缘检测也不理想,其边缘间断数和像素损失率最小值分别为10和0.689%。为此,对长翅灰飞虱图像先进行区域划分,以使单个区域的检测得到简化,并针对划分后的各个区域采用形态学多结构方法构造了膨胀腐蚀型边缘检测算子进行边缘检测。

Soble:在边缘检测中，常用的一种模板是Sobel 算子。Sobel 算子有两个，一个是检测水平边缘的 ；另一个是检测垂直边缘的 。与Prewitt算子相比，Sobel算子对于像素的位置的影响做了加权，可以降低边缘模糊程度，因此效果更好。