基于稀疏编码和SCGBPNN的鳞翅目昆虫图像识别

编号 zgly0001447505

文献类型 期刊论文

文献题名 基于稀疏编码和SCGBPNN的鳞翅目昆虫图像识别

作者 竺乐庆  张真 

作者单位 浙江工商大学计算机与信息工程学院  中国林业科学研究院森林生态与保护研究所  国家林业局森林保护重点实验室 

母体文献 昆虫学报 

年卷期 2013年11期

年份 2013 

分类号 Q969.42 

关键词 昆虫  鳞翅目  图像识别  超像素分割  稀疏编码  量化共轭梯度法  反向传播神经网 

文摘内容 【目的】为了给林业、农业或植物检疫等行业人员提供一种方便快捷的昆虫种类识别方法,本文提出了一种新颖的鳞翅目昆虫图像自动识别方法。【方法】首先通过预处理对采集的昆虫标本图像去除背景,分割出双翅,并对翅图像的位置进行校正。然后把校正后的翅面分割成多个超像素,用每个超像素的l,a,b颜色及x,y坐标平均值作为其特征数据。接下来用稀疏编码(SC)算法训练码本、生成编码并汇集成特征向量训练量化共轭梯度反向传播神经网络(SCG BPNN),并用得到的BPNN进行分类识别。【结果】该方法对包含576个样本的昆虫图像的数据库进行了测试,取得了高于99%的识别正确率,并有理想的时间性能、鲁棒性及稳定性。【结论】实验结果证明了本文方法在识别鳞翅目昆虫图像上的有效性。