论文部分内容阅读
东北虎的个体识别对于东北虎的保护及野化训练有非常重要的意义。目前全世界野生东北虎数量在500只左右,被国际野生动物基金会列为世界十大濒危动物之一,所以有必要对东北虎个体识别进行研究。本论文结合图像处理技术和模式识别理论,采用图像纹理特征和统计特征对东北虎个体进行识别。灰度共生矩阵是提取纹理统计特征的经典而成熟的方法,而Hu不变矩也是一种统计特性,用来对区域形状进行描述,因此本论文提出了灰度共生矩阵和Hu不变矩互相结合的新方法来描述东北虎个体的特征参数。为了确定东北虎个体识别的特征参数,本文通过分析灰度共生矩阵特征参数随其三个构造因子(生成步长d、图像灰度级N_g和生成方向θ)的变化规律,并结合东北虎纹理自身的特点,确立了适合描述东北虎纹理的灰度共生矩阵构造方法,确定了d=4;N_g=256;θ取0°、45°、90°、135°四个方向均值的方法,纹理参数取四个方向的平均值,以形成旋转不变量。在此基础上计算了常用的7个纹理参数,并结合Hu不变矩抽象的10个形状特征公式,根据相关系数分析选择上述17个参数中的7个特征参数,作为东北虎个体识别的最后特征参数。本文设计了适合东北虎个体识别的BP神经网络结构,其输入层为7,中间层为6,输出层为5,并对网络进行仿真识别,识别率达到82.5%。研究结果表明,基于灰度共生矩阵和Hu不变矩的方法对东北虎个体进行识别是可行的。