阅读说明：本技术 三色rgb图像的蚊虫识别方法 (The mosquito recognition methods of three color RGB images ) 是由 谢雪梅 苗宏达 吴家骥 杨众杰 谭铭洲 李甫 付博勋 景易星 金星 韩笑 杜曜辛 于 2019-07-11 设计创作，主要内容包括：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。(The present invention discloses a kind of mosquito recognition methods of three color RGB images, mainly solves the prior art and needs computing resource more, the high problem of equipment cost.Its implementation is: obtaining the image-region of target mosquito, the pixel of traversal mosquito target image obtains the RGB color histogram and histogram functions of target mosquito image；According to three color RGB image histograms of variety classes mosquito target image, the RGB feature function of variety classes mosquito target image is designed；Function expression is carried out simplifying design according to the feature of specific mosquito specie and obtains the parameter of function；According to the RGB color histogram functions of target mosquito and mosquito RGB feature function, Classification and Identification is carried out to target mosquito.The present invention reduces computing resources, reduce equipment cost, are able to achieve the classification to two kinds of mosquitoes of Culex pipiens pallens and aedes albopictus, can be used for the identification of biological species.)

三色RGB图像的蚊虫识别方法

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。

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：

其中[mosquito species]为蚊虫种类集合，m为蚊虫种类集合中的一类，Score_m表示待检测蚊虫在m类条件下的置信度，函数g_m(i，c)和函数f_m(i，c)分别表示在m类条件下对待检测蚊虫图像的直方图函数h(i，c)的两种不同形式的加权权值；

(4)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：

(4a)设置在淡色库蚊和白纹伊蚊两类蚊虫条件下，对直方图函数h(i，c)的两种不同形式加权权值：

其中，Set_mc＝[1，left]∪[right，256]为一个RGB取值集合，left为Set_mc子集的右

边界，right为Set_mc子集的左边界；

(4b)设Score为待检测蚊虫在只针对淡色库蚊和白纹伊蚊两类蚊虫的条件下的置信度，将函数f_m(i，c)、g_m(i，c)代入(3)中的RGB特征函数，由此得到简化后的RGB特征函数为：

(4c)设待检测蚊虫在淡色库蚊和白纹伊蚊两类蚊虫条件下的置信度的阈值为thresh，将Score与thresh进行比较，对待检测蚊虫的种类进行判别：如果Score＞thresh，则目标蚊虫为白纹伊蚊，否则，为淡色库蚊；

(4d)给定一组已知的淡色库蚊和白纹伊蚊图像的RGB直方图函数，遍历所有的left，right，thresh三种参数，在每一次遍历中，依次向RGB特征函数中代入一个给定的已知的蚊虫图像的RGB直方图函数和left，right在本次遍历的取值，计算得到的RGB特征函数的值为Score，将Score与thresh的当前取值进行比较，获得本轮的分类结果，每次遍历结束后，经过统计获得当前参数下的分类结果的准确率，全部遍历结束后，得到蚊虫分类结果准确率最高的参数即为最优参数：left′，right′，thresh′；

(4e)把(4d)中得到的最优参数left′，right′代入到(4b)中的RGB特征函数得到最终的特征函数；

(5)计算目标蚊虫置信度并对目标蚊虫进行分类：

将(2)中获得的目标蚊虫图像的直方图函数H(i，c)代入到(4e)中得到的最终的特征函数中，计算得到目标蚊虫图像在只针对淡色库蚊和白纹伊蚊两类蚊虫的条件下的置信度Score′，将该Score′值与(4d)中得到的阈值thresh′进行比较，对目标蚊虫的种类进行判别：如果Score′＞thresh′，则目标蚊虫为白纹伊蚊，否则，为淡色库蚊。

本发明与现有技术相比具有以下优点：

第一，本发明通过对图像目标的RGB直方图特性进行提取，并设计特征函数进行蚊虫的识别分类，降低了计算复杂度，能够在低成本的硬件设备上实现对蚊虫目标的实时检测。

第二，本发明通过使用在给定的蚊虫图像数据中提取数据特征的方法来计算RGB特征提取函数的参数，并通过检测到的不同种类的目标蚊虫图像数据计算不同种类的蚊虫的置信度，得到目标蚊虫的所属类别。

附图说明

图1为本发明的实现流程图。

具体实施措施

下面结合附图对本发明的实例做进一步的详细描述。

参照附图1，对实例的实现步骤如下：

步骤1.获取单个蚊虫目标图像。

1.1)选定背景图片，通过背景减除的方法比较背景图片和待检测目标图像，获取图像中蚊虫目标的分布区域；

1.2)在蚊虫目标的分布区域中，通过背景差法获取前景图像信息，通过腐蚀操作消除图像噪声，通过膨胀操作消除蚊虫纹理的影响，进而获得蚊虫分布区域图像；

1.3)在蚊虫分布区域图像上分别计算每个蚊虫目标的连通区域，获得单个蚊虫目标区域图像。

步骤2.获取RGB统计特性。

遍历蚊虫目标图像像素点，计算得到蚊虫目标图像的三色RGB图像分布直方图H(c，i)，

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，R表示红色，G表示绿色，B表示蓝色。

步骤3.设计不同种类蚊虫目标图像的RGB特征函数。

3.1)设计RGB的原始特征函数：

3.1.1)设集合[mosquito species]为蚊虫种类集合，m为蚊虫种类集合中的一类，通过待检测蚊虫图像的直方图获得直方图函数h(i，c)；

3.1.2)根据不同种类的蚊虫的RGB分布特性，设计m类条件下对待检测蚊虫图像的直方图函数h(i，c)的两种不同形式的加权权值分别为函数g_m(i，c)和函数f_m(i，c)；

3.1.3)根据上述函数得到RGB原始特征函数如下所示：

其中，Score_m表示待检测蚊虫在m类条件下的置信度；

3.2)根据特定蚊虫种类的特征对原始特征函数函数进行简化：

设置在淡色库蚊和白纹伊蚊两类蚊虫条件下，对直方图函数h(i，c)的两种不同形式加权权值分别如下：

f_m(i，c)＝1

其中，Set_mc＝[1，left]∪[right，256]为一个RGB取值集合，left为Set_mc子集的右边界，right为Set_mc子集的左边界；

3.3)通过已有蚊虫数据的RGB分布，利用统计规律获得函数的参数。

3.3.1)设Score为待检测蚊虫在只针对淡色库蚊和白纹伊蚊两类蚊虫的条件下的置信度，设待检测蚊虫在淡色库蚊和白纹伊蚊两类蚊虫条件下的置信度的阈值为thresh；将Score与thresh进行比较，对待检测蚊虫的种类进行判别：如果Score＞thresh，则目标蚊虫为白纹伊蚊，否则，为淡色库蚊；

3.3.2)给定一组已知的淡色库蚊和白纹伊蚊图像的RGB直方图函数，遍历所有的RGB取值集合Set_mc子集的右边界left，左边界right这两种参数；并在遍历中嵌套对待检测蚊虫在淡色库蚊和白纹伊蚊两类蚊虫条件下的置信度阈值thresh的遍历，得到在0到1范围内，以步长为0.01的遍历值thresh′；

3.3.3)在对thresh的遍历中依次向RGB特征函数中代入一个给定的已知的蚊虫图像的RGB直方图函数和左右边界left，right在本次遍历的取值left′，right′，计算得到RGB特征函数的值为Score′，并将该Score′与thresh′进行比较，记录本轮的分类结果的准确率，在对thresh的遍历结束后，经过统计排名获得最高的分类结果的准确率对应的参数为left″，right″，thresh″；改变left，right的值进行下一轮遍历，对left，right的遍历全部结束后，对前述遍历中得到的准确率进行比较，经过统计排名得到蚊虫分类结果准确率最高的参数即为最优参数：left″′，right″′，thresh″′；

3.4)将3.2)中的函数g_m(i，c)和函数f_m(i，c)及3.3.3)中得到的最优参数left″′，right″′代入到3.1.3)中的RGB原始特征函数得到最终的特征函数：

其中

步骤4.计算蚊虫置信度并对目标蚊虫进行分类。

将步骤2中获得的目标蚊虫图像的直方图函数H(i，c)代入到步骤3.4)中得到的最终的特征函数中，计算得到目标蚊虫图像在只针对淡色库蚊和白纹伊蚊两类蚊虫的条件下的置信度Score″，将该Score″值与3.3.3)中得到的阈值thresh″′进行比较，对目标蚊虫的种类进行判别：如果Score″＞thresh″′，则目标蚊虫为白纹伊蚊，否则，为淡色库蚊。

以上描述仅是本发明的一个具体实例，并未构成对本发明的任何限制，显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修改和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。