Método para la identificación y clasificación automática de especies arácnidas a través de sus telas de araña.

Método para la identificación y clasificación automática de especies arácnidas a través de sus telas de araña.

La presente invención se refiere a un método para la identificación y clasificación automática de especies arácnidas a través de sus telas de araña que comprende las etapas de procesado digital, extracción de características y clasificación de la imagen. El presente método permite la identificación de insectos arácnidos sin necesidad de que estos estén presentes físicamente, ya que el método identifica y clasifica la imagen de la tela de araña y la asocia a la especie de arácnido que la teje.

Método para la identificación y clasificación automática de especies arácnidas a

Antecedentes de la invención En la actualidad, en el campo de la biología, y más concretamente en el reconocimiento de especies arácnidas, un experto en la materia necesita de la presencia del arácnido para poder identificarlo y clasificarlo. En muchas ocasiones, el experto no dispone del arácnido, porque este no se encuentra flsicamente, solo dispone de su tela de araña por lo que no puede identificarlo y clasificarlo.

El documento de patente US 20030026484 A 1 hace referencia a un sistema para la clasificación automática y/o identificación de imágenes. En particular, dicha invención se refiere a un sistema para comparar una imagen de entrada, siendo esta la imagen de un insecto, con una colección de imágenes almacenadas, con el propósito de compararlas. Por otro lado, el documento de patente US 8139858 Bl hace referencia a un sistema de identificación de insectos que hace uso de un aparato para tomar las imágenes de entrada y un método para identificar y comparar dichas imágenes de entrada con una base de datos de imágenes previamente almacenadas. El método propuesto difiere de los documentos de patentes citados en que con el método propuesto no es necesaria la presencia flsica del insecto para poder ser identificado, ya que lo identifica a través de su tela de araña.

El método propuesto soluciona el problema planteado permitiendo la identificación de insectos arácnidos sin necesidad de que estos estén presentes flsicamente, ya que el método identifica y clasifica la imagen de la tela de araña y la asocia a la especie de arácnido que la teje.

Sumario de la invención La presente invención se refiere a un método para identificar y clasificar especies arácnidas a través de sus telas de araña que comprende las siguientes etapas:

(i) seleccionar una Imagen de una tela de araña, de una pluralidad de imágenes almacenadas,

(ii) eliminar cualquier elemento distinto a la tela de araña de la imagen seleccionada en la etapa (i) ,

(iii) procesar los contornos de los hilos de la tela de araña de la imagen obtenida en la etapa (ii) ,

(iii) filtrar la imagen obtenida en la etapa (ii) preservando los bordes y detalles de la tela de araña,

(iv) extraer las características de la tela de araña de la imagen obtenida en la etapa (iii) ,

(v) comparar las características obtenidas en la etapa (iv) con una pluralidad de imágenes de referencia almacenadas previamente,

(vi) mostrar el resultado más próximo encontrado en la etapa (v)

Descripción de la invención El Método para la identificación y clasificación automática de especies arácnidas a través de sus telas de araña comprende las etapas de procesado digital, extracción de características y clasificación de la imagen.

Primeramente, se realiza un procesado digital de la imagen que consiste en seleccionar la zona de la tela de araña en la imagen adquirida y, a continuación, se ejecutan todas las operaciones de optimización de la imagen tales como realce del contraste, transformación a escala de grises y binarización para eliminar el ruido e información redundate. Posteriormente, se extrae el centro de la tela de araña para usarla como fuente de información y, a continuación, se realiza la extracción de características utilizando las técnicas de Análisis de Componentes Principales (PCA) , Análisis de Componentes Independientes (lCA) , Transformadas Discreta del Coseno (DCT) y las familias db1 y Bior de la Transformada Wavelet (DWT dbi, DWT Bior) .

Por último, se procede identificar la especie o verificar que la tela de araña pertenece a una determinada especie mediante el empleo de un clasificador que está compuesto por Maquinas de Vector Soporte (SVM) y un modulo de decisión a nivel de puntuación de salida.

Descripción de las figuras La figura 1 muestra el diagrama de flujo del método para la identificación y clasificación automática de especies arácnidas a través de sus telas de araña.

La figura 2 muestra la selección de la zona de la tela de araña en la imagen adquirida.

La figura 3 muestra la imagen resultante de realizar el filtrado espacial a la imagen en escala de grises.

La figura 4 muestra el relace de la imagen de la tela de araña.

La figura 5 muestra el proceso de binarización para diferenciar y procesar los contornos de los hilos de la telaraña en la imagen.

La figura 6 muestra como se extrae el centro de la tela de araña para usarla como fuente de información.

La figura 7 muestra las imágenes normalizadas a un tamaño de 10xlO pixels.

La figura 8 representa el espacio del vector resultante de la vectorización de la imagen.

La figura 9 representa la clasificación multiclase, en concreto una clasificación para 4 clases o especies de arañas: Allocyclosa, Anapisona Simoni, Micrathena Duodimspinosa y Zosis Geniculata.

Descripción detallada de una realización preferida de la invención Aunque la invención se describe en términos de una realización específica preferida, será fácilmente evidente para los expertos en esta técnica que se pueden hacer diversas modificaciones, redisposiciones y reemplazos. El alcance de la invención está definido por las reivindicaciones adjuntas a la misma.

Tal y como muestra la figura 1, el método comprende las siguientes etapas:

Procesado digital de la imagen En primer lugar se aísla la tela de araña del fondo de la imagen, como pueden ser las hojas, reflejos y demás elementos que se encuentren presentes en las imágenes, tal y como se muestra en la figura 2. Posteriormente, se recorta la imagen para que sea cuadrada, es decir que tenga el mismo tamaño en los dos lados. Este paso es necesario básicamente para que las imágenes no pierdan la relación de aspecto al redimensionarla, de forma que se recorta en la dimensión mayor de la imagen al mismo tamaño que la dimensión menor, quedando las dos dimensiones de igual tamaño.

Para mejorar el contorno de los hilos de la telaraña y diferenciar la telaraña del fondo de la imagen se aplica un incremento del contraste, que consiste en aumentar el cambio de luminosidad entre las zonas más oscuras o más claras de la imagen obteniendo un mejor enfoque y claridad. Para su implementación, primero se convierte la imagen original a escala de grises, que es el tipo de imagen compatible con las siguientes operaciones, para posteriormente realizar un filtrado espacial a la imagen.

El filtrado espacial es la operación que se aplica a una imagen para resaltar o atenuar detalles espaciales con el fin de mejorar la interpretación visual o facilitar un procesamiento posterior. Mediante el filtrado espacial se modifica el valor de cada píxel de acuerdo con los valores de los píxeles que lo rodean tratando de transformar los niveles de gris originales de tal forma que se parezcan o diferencien más de los correspondientes a los píxeles cercanos.

En general, la convolución de una imagen f de MxN dimensiones con una máscara h de mxn está dada por la siguiente expresión:

. ..

, . (~=L LJ (S+"':F+.b. (~)

Donde I<&-+~, .+ &) es el valor de los píxeles del bloque seleccionado, :it..t') los coeficientes que se aplicarán al bloque (máscara) y , 6&", ) es la imagen resultante. Siendo la matriz del bloque m (filas) =2a+l y n (columnas) =2b+1. Para este caso, el tamaño del bloque es de 3x3.

En la figura 3, se puede observar la imagen resultante de realizar el filtrado espacial a la imagen en escala de grises con este filtro, con el fin de incrementar el contraste de la misma para destacar en la medida de lo posible la tela de araña.

El proceso de binarización consiste en transformar la imagen a un formato binario, es decir, en una imagen en blanco y negro, de tal forma que se preserven las propiedades esenciales de la imagen, lo que permite diferenciar claramente y procesar los contornos de los hilos de la telaraña en la imagen, tal y como se muestra en la figura 5.

Esta función convierte imágenes en color o escala de grises en imágenes binarias basándose en un determinado umbral (que se obtiene utilizando el método estándar de Otsu) . Este proceso se puede resumir mediante... [Seguir leyendo]

1. Método para identificar y clasificar especies arácnidas a través de sus telas de araña que comprende las siguientes etapas:

(i) seleccionar una imagen de una tela de araña, de una pluralidad de imágenes almacenadas,

(ii) eliminar cualquier elemento distinto a la tela de araña de la imagen seleccionada en la etapa (i) ,

(iii) procesar los contornos de los hilos de la tela de araña de la imagen obtenida en la etapa (ii) ,

(iii) filtrar la imagen obtenida en la etapa (ii) preservando los bordes y detalles de la tela de araña,

(iv) extraer las características de la tela de araña de la imagen obtenida en la etapa (iii) ,

(v) comparar las características obtenidas en la etapa (iv) con una pluralidad de imágenes de

referencia almacenadas previamente, 15 (vi) mostrar el resultado más próximo encontrado en la etapa (v)

Extracción de caracter1sticas

Clasificación Verificación

Especie de araña Aceptado/Rechazado

Figura 1

Figura 2

Figura 3

Figura 4

Figura 5

Figura 6

Figura 7

Figura 8

Vectores de características de la clase 1 Vectores de características del resto de las clases "1" "_1" :1 SVM1 I .. Modelo 1

Veeto·flsde características de la clase 2 Vectores de car.cteristlcas del festo de las tlases "1· M_1" :1 SVM2 1 .. Modllo 2

Vectores de características de la clase 3 Vectores de caractenstlcas del resto de las clases "1" "-1" :1 SVM3 1 .. Modelo 3

Vectores de caratteristicas de ladase4 Vectores de caraderfstlcas del resto de las clases "1" '''·1: :1 SVM4 I .. tlodllo"

Figura 9