基于改进差分进化算法的鳞翅目昆虫图像识别方法

【目的】应用计算机图像处理技术提取昆虫图像特征,提出一种新的特征选择技术筛选昆虫识别相关的特征,以准确、快速地识别出鳞翅目昆虫种类。【方法】基于开源的利兹蝴蝶数据集和拍摄的以森林鳞翅目昆虫为主的数据集,采用改进的纹理特征提取算法(DRLBP)提取鳞翅目昆虫图像纹理特征,应用汉明距离计算的粒子间距离度量种群多样性,提出进化过程中自动调整多样性的方法,给出二进制自适应差分进化算法(BADE)。利用BADE算法筛选合适的较小维数的纹理特征子集,并用基于概率协同表示的分类器(PROCRC)进行图像分类。【结果】PROCRC分类器在所有数据集上均展现出良好分类效果,平均识别率分别为81.73%和88.18%。经特征选择后的昆虫的分类精度显著提升,最高提升率达13.49%。BADE的性能高于其他特征选择算法,且经BADE算法特征选择后纹理数据集的维数和分类所需时间均显著下降,其降维率接近50%,时间减少率最高达50%。【结论】BADE算法可有效进行特征选择,提高识别精度,节约模型的识别时间,利用群体智能优化算法对鳞翅目昆虫图像进行特征选择的方法具有可行性,DRLBP和BADE算法相结合的鳞翅目昆虫识别方法在农林昆虫的快速、准确识别中具有广阔应用前景。

基于差分进化和森林优化混合的特征选择

特征选择在分类中是一个极其困难而又重要的问题.为实现精确、快速地筛选特征,本研究针对森林优化算法收敛速度过慢的问题,将差分进化算法与森林优化算法结合,引入一种反馈机制,提出了差分进化和森林优化混合的算法并将其用于特征选择问题.同时根据森林优化算法局部播种的特点,引入一种针对局部搜索阶段改进的K最近邻算法以降低计算量.差分进化和森林优化混合的算法在与其它特征选择算法的对比中展现了良好的性能,实验结果表明该算法具有较好的分类性能与稳定的收敛速度,且改进的K最近邻算法能够显著提升该算法的运行速度.因此,差分进化和森林优化混合的算法是一种有效的特征选择方法.

不同拍摄模式对福建四种常见林业蛾类标本图像识别的影响

以福建4种常见林业蛾类害虫若干个体为拍摄样本,获取不同拍摄模式下的图像数据,并采用MATLAB2009软件进行识别,比较分析不同拍摄模式对蛾类害虫识别的影响。结果表明,①单反相机的快门速度对识别率有显著影响(P<0.05),以1/2 000、1/4 000 s为最佳;但感光度(ISO)和光圈(f)大小对识别率没有显著影响(P>0.05);②拍照设备中以单反相机的平均识别率最高,达93.3%,但3种设备对识别率没有显著性影响(P>0.05);③不同的拍摄角度对识别率有显著影响(P<0.05),其中以90°～120°拍摄效果最好,建议在实际应用中尽量将拍摄角度控制在90°～120°,以提高图像质量和识别率。