以自然影像為基礎之蝴蝶辨識系統

September, 2011

Student : Ming-Jheng Wu

【研究簡介】

中文摘要：

　　網際網路的發達，改變了人們的生活形態，一般大眾在遇到問題的時候，他們的第一選擇便是在網際網路上求助。以蝴蝶辨識為例，蝴蝶類別的查詢己經不再侷限於實體圖鑑或是與專家的詢問。網路搜尋引擎提供了關鍵字查詢，但是蝴蝶影像難以用單純的文字表示，使用者無法下出適當的關鍵字得到良好的結果。

　　本論文研究以影像內容為基礎的蝴蝶辨識系統，系統能擷取含有自然背景的蝴蝶影像特徵，包括色彩直方圖，SIFT 局部特徵與局部仿射不變性部分三種特徵，藉由特徵比對的方式搜尋資料庫中相似的蝴蝶影像，達到蝴蝶類別辨識。亦研究使用影像物件性來框選影像中最有可能的物件區域。比較上述不同的方法，我們最高可以達到平均95.2% 的自然蝴蝶影像辨識率，即便這些自然蝴蝶影像是從網路收集，未經過人工的標記或是切割，並且影像背景充滿雜訊。

Abstract :

　　Popularity of the Internet has dramatically changed our life. People are used to ask question on Internet when they have problems. For example of butterfly recognition, we are not limited to querying butterfly field guides or asking the experts. Search engines provide keyword search. However, it is hard to represent butterfly images using proper keywords.

　　The paper studies content-based butterfly image recognition. Features are extracted from the natural images containing a butterfly. Three feature extraction methods are compared, including color histogram, SIFT, and semi-local affine part. Similar images in the database are ranked by feature matching. Category of the butterfly can be decided from the search result. The objectness measure is also studied to select the most likely window containing the object in the natural image. In the experiments, the dataset is composed of butterfly images from the Internet, which are not manually segmented and include cluttered background. The best recognition rate is 95.19%.

【QBIC 系統流程】

【結論】

　　本論文最終目標建立一個可以辨識自然影像中的蝴蝶，克服自然影像中眾多的雜訊，並具有高辨識率的系統，因而比較了常見的影像搜尋所使用的特徵擷取方式進行實驗分析。我們除了以整張影像的色彩直方圖當作影像的特徵，試著以蝴蝶身上的豐富的色彩作為搜尋的依據。接著比較了以影像SIFT局部區域的特徵，希望藉著局部區域的強健性，讓影像特徵不再因為拍攝取景的變化，而影響搜尋結果。最後更進一步比較了多個局部區域組成的「部分」當作影像的特徵。由於使用的影像資料庫是自然影像，影像背影總是充滿著影響搜尋的雜訊，因此我們在實驗中加入了影像物件性方法的輔助，希望系統可以自動的找出影像中物件的位置，進而提高辨識的準確性。實驗結果以單一的 SIFT 準確率最高，雖然我們嘗試以影像物件性的輔助，提高搜尋的準確性，它雖然提高了 HSV 色彩直方圖的準確性，但也因為切出的蝴蝶前景並不是非常完美，因而在 SIFT 的實驗中，反而使得搜尋的準確性降低。我們未來預計使用分群法將特徵作分群，加速整體的搜尋效能，使得系統在速度以及準確性上可以更為合乎一般大眾的使用需求。