． 成 生
（ ） 度空 间极 值检 测 ： １尺 计算 的第 一个 阶段 是搜 索所 有 的尺度 和 图像 位 置 ， 使用 高 斯差 分 函数 高效 地 检 测 出潜 在 的特 征点 （ 极值 点 ） 首先 建 立 图像 高 斯 金 字塔 ， 后再 建 立 图像 高 斯 差 分金 字 塔 （ Ｏ ， 后 在 ． 然 Ｄ Ｇ） 最
第 ６期
严 深海 ， 贤通 黄
基 于 ＳＦ ＩＴ与 Ｓ Ｍ 的钉 螺数 字 图像 识 别 Ｖ
５ ９
进 行联 合 ． ＩＴ特征 已广 泛应 用 于 图像 匹配与检 索 、 动跟 踪 、 象 与场 景识 别 、 景拼 接 等 方面 ＳＦ 运 对 全
图像 ＳＦ ＩＴ特 征 向量集 的 主要计 算 步骤分 为 ４个 阶段 ：
了有 限 的钉螺 样本 图像 的 ＳＦ ＩＴ特 征集后 ， 有 一个 学 习 问题有 待 解 决 ． 还 即如何 通 过 这有 限 的 ＳＦ ＩＴ特 征 ， 挖 掘 出钉 螺 图像 ＳＦ Ｉ Ｔ特 征 的 内在 规律 ， 以之识 别未 见过 的钉 螺 图像 ， 文选 择支 持 向量机 来进行 学 习 ， 本 获得 分
力．
２ 钉 螺 数字 图像 识别 算法 的设 计
要 进 行 图像识 别 ， 首先 要提 取 出待识 别对 象 的特征 ， 现 对象 的有效 描 述 ． 实 由于钉 螺 数 字 图像 的 复杂 背
景 、 挡及 光 照变 化等 影 响 ， 于对 钉螺 图像 实现 有效 分 割 ， 遮 难 常见 的图像 特 征 如颜 色 、 、 廓等 都 难 于有 效 矩 轮
相 互之 间也 可能 在尺 寸等方 面存 在较 大 的差 异 ． 这要求 识别模 型 既能体 现 同类物体 之 间的共 性 ， 又不 能混淆 相 似 的物体 类别 ．
由于混 叠与遮 挡 的存在 ， 图像 的全 局特征 难 于胜任 描 述钉 螺 数 字 图像 的任 务 ， 虑 到 ＳＦ 考 ＩＴ特 征 具有
地描述 钉 螺 图像 ． 应用 图像 的局 部不 变性 特 征来识 别 图像 ， 既避 开 了图像 分 割 的难 题 ， 能很 好 地完 成 图 则 又
像 识别 任 务 ． ＩＴ特 征是 目前 图像 识别 中最有 效 的局部 特征 之一 ， 文 采用 它 来描 述 钉螺 数 字 图像 ． ＳＦ 本 在提 取
严 深 海 ， 贤通 黄
（ 南 师 范学 院 数 学 与计 算 机 科 学 学 院 ， 西 赣 州 赣 江 ３ １０ ） ４ ０ ０
摘
要 ： 测 与 控 制 钉 螺 生 长 区域 ， 有 效控 制 血 吸 虫病 疫情 的传 播 和 蔓延 作 用 十 分 重要 ． 用数 字 图像 识 别 监 对 采
技 术 ， 以 高效 地 实现 对 钉 螺 生 长 区域 的 监 控 ． 对 杂 乱 、 可 面 图像 部 分 遮 挡 、 照 变 化 等 复 杂 背 景 下 的 钉 螺 数 字 图像 光 识 别 ， 出 了 解决 方案 ： 先 ， 取 钉 螺 数 字 图像 的 ＳＦ 提 首 提 ＩＴ特 征 向 量 集 ； 后 ， 用 Ｋ 均 值 聚 类 获 取 更 具 代 表 性 的 特 然 应 征 子 集 ， 为 分类 器 的训 练 样 本 集 ； 作 最后 ， 过 支 持 向 量 机 方 法 获 得 分 类 器 ， 于 识 别 钉 螺 数 字 图 像 ． 验 结 果 表 通 用 实
Ｄ Ｇ 的基 础 上进 行极 值检 测 ． 了检测 Ｄ Ｇ空 间极 值 点 ， Ｏ 为 Ｏ 需要 比较 图像 中每 个像 素 与 它 相 邻 的 ２ ６个 像 素
（ 同层 ８个 ， 、 上 下层 各 ９个 ） 比较 后如 果 为最大 值 或者最 小值 ， ． 则该 点 为候选 关键 点 ．
（ ） 键点 的定 位 ： 于每个 候选 关 键 点 ， 过 拟合 来 确定 他 们 的空 间位 置 和 尺度 ． 确 定关 键 点 的位 ２关 对 通 在
０ 引 言
数 字 图像处 理技术 的应 用范 围越来 越广 泛 ， 已经 渗透 到一般 工业 、 航空 航天 、 医疗保 健 、 军事 、 交通 、 国家
安全 、 刑侦 等各个 领域 ， 国 民经 济 中发 挥着 越 来 越大 的作 用 ¨ ． 是 ， 在 ］但 目前数 字 图像 处 理技 术 在 钉 螺 监控
次峰值 方 向决 定 ． （ ） 成特 征点 描述 子 ： ４生 通过 对关 键点 当前 尺度 周 围区域 像素 梯度 的计 算 和统计 ， 生成 特征 点描述 子 ． 支持 向量 机 （ｕ ｐ ｒｖ ｃ ｒｍ ｃ ｉｅ 简写 为 Ｓ Ｍ） 法作 为一 种 新 的学 习 分类 方 法 ， ｓｐ ｏｔ ｅｔ ａｈｎ ， ｏ Ｖ 方 目前 已经 在人 脸 识
旋 转 变换保 持不 变性 ； 对于仿 射 变形 、 视角变 化 、 加性 噪声及 光照 变化也 能保 持较好 的鲁 棒性 ； 空间 域和频 在 域 定位 准确 ； 特性好 ， 独 信息 量 丰富 ， 用 于在海 量特征 数 据库 中进行 快速 、 适 准确 的匹 配 ； 具有 多量 性 ， 即使少
２ ０１ １生
赣 南 师 范 学 院 学 报
Ｊ ｕ ｎ ｌｏ ｎｎ ｎ Ｎｏ ｍａ ｉｅ ｓｔ ｏ ｒ ａ ｆＧａ ａ ｒ ｌＵｎ ｖ ｒｉｙ
Ｎ ． ｏ ６ Ｄｅ ． ０１ ｃ２ １
第 六期
・
算法设计与应用 ・
基 于 ＳＦ ＩＴ与 Ｓ Ｍ 的 Ｖ 钉螺数 字 图像 识别
与排 查方 面 的应 用主 要集 中在通 过处 理 、 析遥感 图像 ， 究 钉螺 孳 生地 钉 螺 的分 布 情况 Ｉ ； 今 尚未检 分 研 ４迄
索 到数 字 图像处理 技术 在钉 螺数 字 图像 检测 与识 别方 面 的应 用 的相关 文献 ． 钉 螺数 字 图像 的识 别 ， 于通 用对 象类 的识别 （ 属 或称 之 为对象 分类 ） 通用 对 象识 别 面 临许 多 困难 ， ． 至今 尚无完 善 的解决方 案 ． 通用对 象识 别面 临 的困难 有 ： １ 同一 物体 ， （） 由于光 照变 化 、 点变 化 、 视 尺度 变 化 、 物体 变形 、 遮挡 、 背景 嘈杂 等多种 因素 的影 响 ， 不 同图像 中可 能会存 在很 大 的差 异 ； ２ 属 于 同一类 的不 同物体 在 （）
数 的几 个物 体也 可 以产生大 量 ＳＦ ＩＴ特征 向量 ； 有 良好 的可 扩 展性 ， 以很 方便 地 与其 他 形 式 的特 征 向量 具 可
收稿 日期 ：０ １一 ６—３ ２１ Ｏ Ｏ
修 回 日期 ：０ ｌ— ９一 １ ２ １ Ｏ Ｏ
基 金 项 目 ： 科 技 支 撑 计 划 重 点 项 目（０ ９ ＡＩ８ ０ 国家 ２０ Ｂ ７ Ｂ ２） 作 者 简 介 ： 深 海 （９ ２一） 男 ， 西 南康 人 ， 南 师 范 学 院 数 学 与 计 算 机 科 学 学 院讲 师 、 士 ， 严 １７ ， 江 赣 硕 主要 研 究 方 向 ： 工 智 能 、 器 视 觉 ； 人 机 黄 贤 通 （９ ６一） 男 ， 南 康 人 ， 南 师 范 学 院 数 学 与计 算 机 科 学 学 院 教 授 、 士 ， １６ ， 江西 赣 博 主要 研 究 方 向 ： 值 计 算 、 算 机应 用 ． 数 计
类器．
基 于上述 分 析 ， 文设 计钉 螺数 字 图像识 别算 法 主要 包含 如下 步骤 ： 本 （） １ 图片 预处理 ， 一步 骤 主要包 括 图像 去噪 、 这 彩色 空 间到灰 度 空间 的转换 ；
பைடு நூலகம்
（ ） 螺 正例 图 片与反 例 图片获 取 ； ２钉
（ ） 螺 正例 ＳＦ ３钉 ＩＴ特 征 向量集 与反 例 ＳＦ ＩＴ特征 向量 集提 取 ；
给定方 向 、 尺度 和位 置作 出变换后 的图像 数据 之上 ， 而保证 变 换 的不 变性 ． ＩＴ利 用 特征 点邻 域 像 素 的梯 从 ＳＦ 度 方 向分 布特 征来 决定 特征 点 的方 向 ， 体地 说是 由特 征 点邻 域 像 素 的梯度 方 向直方 图主 峰值 方 向 和多 个 具
（ ） ＩＴ特 征 向量 的 Ｋ均 值 聚类 ， ｇ ＳＦ 由于 ＳＦ ＩＴ特 征数 量众 多 ， 一过 程可 以获 取更 具代 表 性 的 ＳＦ 这 ＩＴ特 征 子集 ， 少 Ｓ Ｍ 分类 器训 练 的特征 数量 从 而缩 短训 练时 间 ； 减 Ｖ
（ ） Ｖ 分类 器训 练 （ Ｖ ５Ｓ Ｍ Ｓ Ｍ学 习 ） 这一 步骤 主要 包括 核 函数选 择 ， ， 参数 寻优 等 ；
明 ， 出 的方 法能 够 获 得 较 好 的 识 别 效 果 ． 提
关键 词 ： 用对 象类 识 别 ； 度 不 变特 征 变换 ； 类 ； 通 尺 聚 支持 向量 机 ； 螺 钉
中 图 分 类 号 ：Ｐ ９ ． １ Ｔ ３ １ ４ 文 献 标 识 码 ： Ａ 文章 编 号 ：０ ４—８ ３ （ ０ １ ０ ０ ５ ０ １０ ３ ２ ２ １ ） ６— ０ ８— ４
的学 习与分 类性能 ， 文 以图像 聚类后 的 ＳＦ 论 ＩＴ特征子 集 为训 练 样 本 ， 练支 持 向量 机 ， 得分 类 器 ． 后综 训 获 最
合 考虑 待检 测 图像 中包 含 的正特 征 向量 的绝 对数 量及 比例 ， 出图片 中是否 包含钉 螺 的判定 ． 作
１ ＳＦ ＩＴ特征 与 Ｓ Ｍ 方法 Ｖ
（ ） 螺 图像识 别 ， ６钉 这一 步骤 利用 （ ） ５ 得到 的分 类 器 ， 成 钉 螺数 字 图像 的识 别 ． 体来 说 ， 待测 试 图 完 具 在 片左 上 角放置 一 检测 窗 ， 后 由左而 右 、 然 由上 而下 顺序 移 动检测 窗 ， 边移 动边 检测 ． 当在 检测 窗 内检测 出的正
ＳＦ （ ｃｌ Ｉｖｒ ｎ Ｆ ａ ｒ Ｔ ａｓ ｒ 即尺度 不变 特征 变换 ， Ｄ ｖ ． ｏ ｅ１９ ＩＴ Ｓａｅ ｎ ａｉ ｔ ｅｔ ｅ ｒｎｆ ｍ） ａ ｕ ｏ 是 ａｉ Ｇ Ｌ ｗ ９ ９年提 出并 于 ２ ０ ｄ ０ ４年 完 善 的一 种基 于 尺度 空 间 的图像 局 部特 征 描述 子提 取 算法 … ． ＩＴ特征对 于 图像 的尺度 变 换 、 ＳＦ 平移 变换 和