一种基于支持向量机的伊蚊识别方法技术

本发明专利技术公开了一种基于支持向量机的伊蚊识别方法。本发明专利技术方法包括训练阶段和测试阶段。其中训练阶段首先进行图像预处理，对收集的彩色蚊子图像尺寸规范化；然后进行图像特征提取，分别提取颜色直方图特征和方向梯度直方图特征并以串接的方式融合；最后训练支持向量机分类器，采用线性核支持向量机函数对样本进行训练。测试阶段是将测试蚊子图像依次按训练阶段预处理和特征提取，把获得的特征输入到训练好的模型中，输出蚊子图像的类别。本发明专利技术方法简单易实现，提取的特征对图像本身的尺寸、方向、视角的依赖性小，对图像几何和光学的形变都能保持良好的不变性，从而具有较强的鲁棒性。

A method of Aedes mosquito recognition based on support vector machine

【技术实现步骤摘要】
一种基于支持向量机的伊蚊识别方法
本专利技术属于数字图像处理
，涉及一种基于支持向量机的伊蚊识别方法，具体是白纹伊蚊和淡色库蚊两类蚊子图像的识别方法。
技术介绍
登革热已成为亚热带和热带国家增长最快的蚊子传播疾病，它是由登革热病毒载体传播的病毒性疾病，主要载体蚊子是白纹伊蚊。登革热没有特定的治疗或预防性疫苗，预防登革热疫情取决于监测，所以对传播载体控制非常重要。现有识别伊蚊的方法主要依靠显微镜下人工肉眼识别，识别需要耗费大量时间。这种方法不仅时间成本较大，效率不高，而且还会带来严重的认知负担，导致误识率较高。因此，采用计算机自动识别蚊虫种类，将会大大提高工作效率，减少人力识别负担。
技术实现思路
本专利技术的目的就是提供一种基于支持向量机的伊蚊识别方法。本专利技术方法包括训练阶段和测试阶段。训练阶段具体方法是：收集蚊子彩色图像，每幅图像内容只包含一个蚊子，组成训练集；训练集只包含白纹伊蚊和淡色库蚊两类蚊子的彩色图像。步骤(1).图像预处理：利用双三次插值法将蚊子彩色图像尺寸规范化，缩小到M×N，得到RGB彩色缩小图像，M和N分别是彩色缩小图像的长和宽，M＝128,256，N＝64,128。步骤(2).图像特征提取：a.从彩色缩小图像RGB分量中提取B分量，并对B分量的值以P为间隔统计直方图HOG，获得B分量直方图特征HB；P＝4,8,16,32。b.提取直方图方向梯度特征HG，具体方法是：首先将彩色缩小图像依据R、G、B三通道加权平均得到灰度图，采用Gamma校正法对灰度化后的图像进行灰度归一化，并计算每个像素的梯度，然后将图像划分成相互之间不重叠的小单元格，在每个小单元格上以Q为间隔统计梯度直方图，每2×2个单元格组成一个块，一个块内所有单元格的特征串接起来便得到该块的HOG特征，相邻块之间重叠一个单元格宽度，将图像内所有块的HOG特征串接起来得到该彩色缩小图像的HOG特征HG；Q∈{20°,30°,36°,45°,60°}。c.获得蚊子彩色缩小图像特征：对特征HB和特征HG串接，得到特征H＝(HB,HG)。步骤(3).训练支持向量机分类器：获取训练集中每幅图像的特征H，白纹伊蚊的标签为1，淡色库蚊的标签为-1，采用线性核支持向量机函数进行训练。测试阶段具体方法是：将测试图像依次按步骤(1)进行预处理和步骤(2)进行图像特征提取，把获取的特征H输入到步骤(3)训练好的模型中，模型输出为1表示测试样本为白纹伊蚊，-1表示测试样本为淡色库蚊。本专利技术的有益效果：本专利技术提出了一种基于支持向量机的伊蚊识别方法，方法简单易实现。本专利技术提取的颜色特征对图像本身的尺寸、方向、视角的依赖性较小，提取的HOG特征对图像几何和光学的形变都能保持良好的不变性，从而具有较强的鲁棒性。具体实施方式下面结合实施实例对本专利技术加以详细说明，以便本领域的技术人员更好地理解本专利技术。基于支持向量机伊蚊识别的流程。具体包括训练阶段和测试阶段：训练阶段具体方法是：收集蚊子彩色图像，每幅图像内容只包含一个蚊子，组成训练集；训练集只包含白纹伊蚊和淡色库蚊两类蚊子的彩色图像。步骤(1).图像预处理：利用双三次插值法将蚊子彩色图像尺寸规范化，缩小到128×64，得到RGB(红绿蓝)彩色缩小图像。步骤(2).图像特征提取：a.从彩色缩小图像RGB分量中提取B分量，并对B分量的值以P＝4为间隔统计直方图HOG，获得B分量直方图特征HB，维数为64。b.提取方向梯度直方图(HOG)特征HG。首先将彩色缩小图像依据R、G、B三通道加权平均得到灰度图，采用Gamma校正法对灰度化后的图像进行灰度归一化，并计算每个像素的梯度；然后将图像划分成相互之间不重叠的小单元格，每个单元格为8×8个像素。梯度方向角度值∈[0,180°]，以Q＝20°为间隔统计梯度直方图，得到维数为9的向量。然后将每2×2个单元格组成一个块，一个块内所有单元格的特征向量串联起来便得到该块的HOG特征；相邻块之间重叠一个单元格宽度，对于缩放后的每张128×64的图片，获得3780维方向梯度直方图特征HG。c.获得蚊子彩色缩小图像特征：对特征HB和特征HG串接，得到特征H＝(HB,HG)。这里H的维数为3844。步骤(3).训练支持向量机分类器：获取训练集中每幅图像的特征H，白纹伊蚊的标签为1，淡色库蚊的标签为-1，采用线性核支持向量机函数进行训练。测试阶段具体方法是：将测试图像依次按步骤(1)进行预处理和步骤(2)进行图像特征提取，把获取的特征H输入到步骤(3)训练好的模型中，模型输出为1表示测试样本为白纹伊蚊，-1表示测试样本为淡色库蚊。本文档来自技高网...

【技术保护点】
1.一种基于支持向量机的伊蚊识别方法，包括训练阶段和测试阶段，其特征在于：/n所述的训练阶段具体方法是：/n收集蚊子彩色图像，每幅图像内容只包含一个蚊子，组成训练集；训练集只包含白纹伊蚊和淡色库蚊两类蚊子的彩色图像；/n步骤(1).图像预处理：利用双三次插值法将蚊子彩色图像尺寸规范化，缩小到M×N，得到RGB彩色缩小图像，M和N分别是彩色缩小图像的长和宽，M＝128,256，N＝64,128；/n步骤(2).图像特征提取：/na.从彩色缩小图像RGB分量中提取B分量，并对B分量的值以P为间隔统计直方图HOG，获得B分量直方图特征H

【技术特征摘要】
1.一种基于支持向量机的伊蚊识别方法，包括训练阶段和测试阶段，其特征在于：
所述的训练阶段具体方法是：
收集蚊子彩色图像，每幅图像内容只包含一个蚊子，组成训练集；训练集只包含白纹伊蚊和淡色库蚊两类蚊子的彩色图像；
步骤(1).图像预处理：利用双三次插值法将蚊子彩色图像尺寸规范化，缩小到M×N，得到RGB彩色缩小图像，M和N分别是彩色缩小图像的长和宽，M＝128,256，N＝64,128；
步骤(2).图像特征提取：
a.从彩色缩小图像RGB分量中提取B分量，并对B分量的值以P为间隔统计直方图HOG，获得B分量直方图特征HB；P＝4,8,16,32；
b.提取直方图方向梯度特征HG，具体方法是：首先将彩色缩小图像依据R、G、B三通道加权平均得到灰度图，采用Gamma校正法对灰度化后的图像进行灰度归一化，并计算每个像素的梯度，然...

【专利技术属性】
技术研发人员：陈华华，余帅东，孙文胜，侯娟，缪梓萍，刘钦梅，
申请(专利权)人：杭州电子科技大学，浙江省疾病预防控制中心，
类型：发明
国别省市：浙江;33