摘要：由于蝶类昆虫种类繁多，图案、花色各不相同，人们难以分辨出它们是属于哪一个种类，而不同的蝶类对于我们都有不同的作用，所以我们就需要图像识别技术来准确地识别出每一个蝴蝶是什么种类，进而就可以了解它的用途，方便大众了解和认识蝴蝶，也可以加快我们研究蝴蝶这一类昆虫的脚步。要准确识别蝴蝶的种类，就要先收集大量的样本照片，然后再对图像进行处理，找到各个种类的特征，最后使用图像识别的方法，就能大致识别出蝴蝶的种类。
关键字：图像识别；蝶类昆虫；提取特征
1、以往的研究成果
蝶类昆虫对我们有极高的欣赏价值和经济价值，研究蝶类昆虫对我们的生活、生态环境、和经济利益都有着重大的意义。
要想准确识别蝶类昆虫，首先必须要有各个蝶类的样本，现在研究蝴蝶多样性的有很多，基本上每一个地区存在的蝴蝶种类都可以知道，根据这些研究成果，我们可以收集到足够多的蝴蝶样本图像，曾经，已经有一个团队提出了一个包含中国所有蝴蝶照片和生态照片[1]。有了这些图像，再根据边缘检测利用角点提取特征点的方法来提取到大部分纹理特征点，先用Laplace算子对图像进行边缘检测，再使用Harris角点提取特征点[2]，能提取出蝴蝶的所有特征信息。现在还有学者已经对生态环境中的蝴蝶进行了研究，运用了Faster R-CNN深度学习框架的蝴蝶自动识别系统[3]，对生态环境中的蝴蝶照片进行定位和物种识别。
蝶类昆虫的自动识别原理与人脸识别差不多，如今人脸识别技术基本成熟，蝶类昆虫比人脸识别难的地方在于，蝶类体积小、花色文理复杂，各个种类差异不大，现有的研究只提取出了蝴蝶的基本特征，但是每个种类一定会有自己最独特的特征，如果能分析出每个种类最独特的特征，再加上现有的技术，一定可以准确识别蝴蝶的种类。
- 研究现状
蝶类昆虫的识别，不仅限制于蝴蝶标本，静态蝴蝶，现在最需要的是在千奇百怪的大自然中拍摄的照片和视频中能检测出蝴蝶并识别出来，蝴蝶的形态也是不固定的，它的轮廓肯定不是一个样子，所以在目标检测的过程中，要考虑到蝴蝶的各个形态，才能识别到蝴蝶的位置，但已有的研究发现当背景过于复杂或与蝴蝶比较相似时，会出现识别不出或者识别错误的情况[4]。所以在之后的研究中，要考虑蝴蝶更多的形态姿势，而且要能准确的区分出蝴蝶与背景图，精准定位，当画面中出现多个蝴蝶时，需要做到不漏掉每一只蝴蝶。
识别到蝴蝶之后，就是要检测蝴蝶的种类。这就需要对每一个种类的蝴蝶其最独特的特征，而且不能提取单一的特征，需要多标记[4]提取，有用的数据越多，越能准确地描述一个对象，蝴蝶本就复杂相似，如果使用只提取一个特征，很容易与别个种类混淆，所以每一种蝴蝶都要尽可能多的提取特征。此外，同一种类的蝴蝶也有可能存在不同的地方，所以在提其特征的同时更要提取共性。这种做法的好处是不同种类的蝴蝶提取出来的特征可以有重复的，在我们识别蝴蝶时，只有蝴蝶满足一种种类的所有基本特征才可以判定他属于哪个种类。在2019年，学者们研发了一款黑龙江省蝴蝶自动识别APP[5]，基本上也是使用了特征提取的方法，对每一种蝴蝶提取三到五个生物性特征上传到APP，用户可以上传蝴蝶的静态照片，APP会进行比对，找出相同或者相似的照片。这其实就是蝴蝶识别技术的一个缩影，只是范围小了些，也不够特别准确，我们所追求的是完整度与准确度，所以我们要将数据库扩大，只要收集到更多的蝴蝶的图像，分门别类的找出它们的共性与特点，再精化一下搜索的细节，多上传每一种类的蝴蝶的对比照，那么这个APP也可能可以查找全球的各种蝴蝶。
在2011年，有学者提出在提取蝴蝶特征时，提出了两种方法，一种是基于全局特征的蝴蝶图像的检索，一种是基于局部特征的[6]。所谓全局特征指的是描述图片上的所有信息，包括颜色图案形状，每一种类的蝴蝶在这三方面总有不同的特征，所以此方法是可行的。在形状特征他采用了Hu不变矩的方法来描述蝴蝶图案，通过分析目标物体区域内的像素点集从而获得形状参数。在颜色特征他提取了灰度直方图和彩色直方图，用欧式距离和直方图相交法作为相似度量法，实验得出直方图相交法更好。局部特征是采用图像的感兴趣区域或者是兴趣点的信息来描述图像信息，局部特征研究包括三个方面：特征检测、特征表达、局部特征点的匹配。采用了SIFT局部特征，结合以上三个方面对SIFT局部特征检测，能比较准确的反映图像的本质特征，局部特征在描述蝴蝶的本质特征时，比全局特征的效果要好，不论是准确性还是正确性。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
