基于油茶毛虫图像的特征提取

【摘要】油茶是我国华中地区重要的经济作物，果实产量受虫害影响较严重，其中油茶毛虫的危害最大。本文首先对基于图像的昆虫特征提取的主要方法进行综述，然后将搜集到的油茶毛虫生态学、形态学、生物学等特点作为理论依据，最终提出具有针对性的特征提取方法。本文为解决油茶害虫图像区域分割以及模式分类等关键问题提供基础数据。

【关键词】图像处理；油茶毛虫；特征提取

油茶作为世界四大木本食用油料植物之一，具有很高的综合利用价值，但产量却不高。其中，由害虫造成的落花落果是影响我国油茶产量的重要因素。在众多种类的害虫当中，油茶毒蛾（Euproctis Pseudoconspersa Strand）是华中地区最为常见的油茶害虫，其幼虫被称为油茶毛虫、茶辣子、毛辣虫，以油茶叶为食，群集为害。

近年来，现代农业渐渐向着计算机化、数字化以及人工智能化的方向迈进，这就使实现油茶害虫的自动识别和计数变成可能。图像特征提取就是将图像的视觉特征进行数字化，是实现昆虫图像自动识别和计数的基础。本文将以油茶毛虫作为研究对象，从生态学、形态学、生物学等角度出发，分析国内外针对类似昆虫特征提取的现有方法，为提取油茶害虫特征探索较为快捷、准确的方法。

1.颜色特征

颜色特征是在图像检索中应用最为广泛的视觉特征，主要原因在于颜色往往和图像中所包含的物体或场景十分相关。常用的颜色特征提取方法有颜色直方图、颜色矩、颜色集、颜色聚合向量以及颜色相关图等。利用颜色特征可以有效地识别颜色丰富、有明显对比、生命周期内颜色信息稳定的昆虫。

1.1 现有昆虫颜色特征提取研究现状

刘芳等利用R、G、B、L这4个颜色的一维直方图，结合红、绿两种颜色和色度的二维直方图来提取蝴蝶的颜色特征，通过对正反两面的特征图表数据的分析使用神经网络实现对蝴蝶的自动识别。准确率可达95.2%。但缺点在于不同颜色的蝴蝶可能也有类似的特征统计数据，因此有必要结合颜色特征的空间位置来提高识别率。

1.2 油茶毛虫颜色特征提取研究

油茶毛虫头部呈黄褐色，背线呈暗褐色，亚背线、气门上线棕褐色接近黑色，密生黄白色长毛。如图1所示：

图1 自然环境下油茶毛虫图像

对油茶毛虫图像颜色特征进行提取，首先需将RGB图像转化为与人眼视觉相近的HIS空间模型，I分量与颜色无关，因此剔除I分量。根据观察油茶毛虫的颜色，本文提取出红、白、黄、黑这4个颜色的H值，通过多次试验得出每个颜色相应的H值如表1所示。

选取这四种颜色之后，就对这四种颜色提取其5种形态特征，分别为面积、周长、宽度、高度。经过试验，各颜色的统计结果如表2所示。

其中，面积为颜色所对应的像素点的个数；周长为颜色对应的边缘的像素点的个数；宽度为颜色水平方向上对应的像素点的个数；高度为颜色在垂直方向上对应的像素点个数。

普遍来讲颜色特征对于图片视角、方向的、尺寸的依赖比较小，鲁棒性比较高。但是单凭颜色特征是无法对油茶毛虫进行识别的，首先油茶毛虫的图片识别在野外环境拍摄会受到光照影响，其次油茶毛虫在不同的生长环境、不同生长期的颜色也会发生变化。因此，需要结合其他的特征来提高识别率。

2.纹理特征

纹理是指图像中形状较小、有规律排列的图案，一幅图像的纹理是在图像计算中经过量化的图像特征。纹理特征描述图像某一区域的表面性质，是一种统计特征。图像的纹理特征具有丰富性、稳定性和旋转不变性，对噪声有较强的抵抗能力，更加有助于昆虫识别。

2.1 现有昆虫纹理特征提取研究现状

关于昆虫的纹理特征提取，常见的方法为利用Gabor纹理特征描述子来进行纹理特征提取，但是该方法结果参数会随着角度的改变而改变，进而影响最终识别效果。因此，有其他研究者提出一种与角度无关的AIGabor滤波器提取昆虫图像的纹理特征，再用SVM算法对5种蝶类进行识别。将Gabor与AIGabor纹理提取结果进行比较，结果表明AIGabor的昆虫识别算法可以克服图像分辨率、光照等因素的影响，识别率更高。

2.2 油茶毛虫纹理特征提取研究

昆虫纹理提取的常用方法是以灰度级空间相关矩阵作为基础共生矩阵。图像中连续、共线、具有相同灰值的像素点个数称为图像的游程长度。灰值游离矩阵是用来检测图像像素点在特定四个方向上灰值（1～8），游程长度（1～256）为像素点串出现的次数，这里就使用灰值游离矩阵来对油茶毛虫的纹理特征进行提取。

将油茶毛虫图像提取0o、45o、90o、135o四个方向的短游程长度L1、长游程长度L2、游程长度的百分率P和灰度值的不均匀度量D，这些值都是可以直接反映线性纹理的情况。经过对油茶毛虫三幅图像进行试验，结果如表3所示。

纹理只是物体的表面特性不能完全反映油茶毛虫的本质属性，只利用纹理特征也是无法获得高层次图像内容的。颜色特征不同是基于像素点的特征，而纹理特征是对多个像素点的进行统计计算，因此可证两者具有离散性，在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配成功。因此，可以结合使用来作为油茶毛虫图像的识别基础数据。

3.结语

油茶毛虫特征提取使用多特征综合，这样可以提高识别率，但是缺点在于简单将多种特征综合在一起，纹理特征与颜色特征之间具有相关性，会影响计算机的处理速率。因此，还是需要使用优化算法来实现特征有机融合，进一步提高识别率和计算机处理速率。

参考文献

[1]刘凌，泽桑梓，季梅.中国油茶林害虫和螨类及其天敌研究综述[J].西部林业科学，2013，42（1）：42-45.

[2]Liu F，Shen Z R，Zhang J W，Yang H Z.Automatic insects identification based on color characters.Chinese Bulletin Entomology，2008，45（1）：150-153.（in Chinese）

[3]Qiu D Y，Zhang F Q，Zhang H T.Study on extracting agricultural pests’color features.Journal of North China Institute of Water Conservancy and Hydroelectric Power，2004，25（1）：30-32.（in Chinese）.

[4]Christophe Biernacki.Initializing EM using the properties of its trajectories in Gaussian mixtures[J].Statistics and Computing.2004（3）.

[5]JUN T.A Color Image Segmentation algorithm Based on Region Growing.2010 2nd International Conference on Computer Engineering and Technology.2010.

[6]蔡清，何东健.基于图像分析的蔬菜食叶害虫识别技术[J].计算机应用，2010，30（7）：1870-1872.

[7]Verma O P，Hanmandlu M，Susan S，et al.A simple single seededregion growing algorithm for color image segmentation using adap-tive thresholding.Proceedings of 2011 International Con-ference on Communication Systems and Network Technologies andComputer.2011.

[8]崔永杰，苏帅，王霞霞.基于机器视觉的自然环境中猕猴桃识别与特征提取[J].农业机械学报，2013，44（5）：247-252.