专利名称：害虫稀疏表征分类识别方法与分类识别装置的制作方法
技术领域：
本发明属于图像处理技术领域，涉及害虫稀疏表征分类和害虫稀疏表征分类字典的构建方法。
背景技术：
储粮害虫对粮食储藏的危害十分巨大，据有关报道，全世界毎年至少有5%的粮食被害虫糟蹋，如果人力、物力和技术跟不上，损失可能达到20%-30%，而中国的粮库粮食损失率约为O. 2%，但中国基数大，O. 2%数量任然很多，因此开展针对害虫的检测研究是ー件很有必要且有意义的研究课題”。而害虫的图像识别法由于可操作性强且易于实现，受到了国内外众多科学家的重视。
压缩感知理论是应用数学与信号处理领域中ー个非常新的研究方向，自从2006年起有正式论文发表之后，迅速引起国内外相关领域研究者的高度重视。该理论表明当信号具有稀疏性或可压缩性时，即原始信号经过变换后仅有小部分大系数，其他变换域系数都为O或接近于0，通过采集少量的信号投影值就可实现信号准确或近似重构。压缩感知研究主要集中在信号的稀疏分解、传感矩阵、重构算法三个方面。对于稀疏方面，主要包括傅里叶变换、离散小波变换、多尺度分析、小波包“冗余字典”等。关于传感矩阵的研究，主要包括高斯矩阵、贝努利矩阵，傅里叶矩阵、哈达玛矩阵等。此外还包括确定性矩阵的构造。在信号重构方面，主要包括有三类算法凸优化，贪婪算法，组合算法。在硬件实现上，Rice大学的Baraniuk教授等研制出单像素相机和A/Ι转换器，经过近六年的发展，压缩传感在理论方面已经取得了许多重要的成果，在许多实际应用方面，各国科学家也开始投身其中，压缩感知的应用包括医学图像，语音信号处理，机器学习等等诸多方面。目前，针对害虫的图像识别的主要研究集中在特征提取和分类器的设计上，传统的特征提取主要提取害虫的形态、纹理等特征，分类器的选择主要包括神经网络、物元可拓法、支持向量机等分类器。尽管大量关于害虫的研究已经取得了一些效果，但仍然存在很多问题。首先，已有的害虫分类都是在害虫种类较少的情况下实现的分类，而当害虫种类增多吋，识别率下降严重；其次，部分分类器对害虫进行分类时，需要对算法的參数进行优化选择，当害虫种类增加时，上述步骤需要从新设置，这就大大增加了系统的复杂性。2006年Donoho等人提出压缩感知后，在人脸识别领域引起了巨大的反响，并且在2008年，由Wright J等人提出一种系数表征人脸识别算法，它主要是建立在压缩感知及Serre提出的人类视觉系统具有对图像稀疏表示特性的基础上。该算法采用降采样的特征提取方法提取特征，运用提取到的特征构建欠定方程，再通过优化方法对欠定方程进行求解，最后通过残差计算公式计算出残差最小的项作为分类判别的标准，最终实现分类目的。稀疏表征分类器相比已有的分类器，它在害虫种类较多时，能取得更好的分类效果，同时由于不用对分类器的參数进行相关的优化设计，因此在后期对分类矩阵进行改进时，具有更大的优势。国内已有部分科学工作者将该方法运用到农业生产的分类中，例如蔡骋等人已尝试将此方法应用于杂草种子的分类中，韩安太等人尝试将此方法应用于害虫的分类中。
现有技术仅将稀疏表征分类直接的应用，重构过程缺乏理论性，无法保证解的唯一性，因此分类结果缺乏可靠性及稳定性。
发明内容
本发明的目的是提供ー种害虫稀疏表征分类识别方法及分类识别装置，用于解决现有分类识别方法准确性低，稳定性、可靠性差的问题。名词解释。约束等距性条件即“RIP条件”,Restricted Isometry Property。训练集模式识别中数据分为训练集和测试集，本文中的训练集指的是构造样本矩阵的包含k类害虫的所有图片。字典指的是冗余字典(overcomplete dictionary),即本文提到的由害虫特征构成的训练样本矩阵(A和^)。“稀疏性或可压缩性”指的是原始信号经过变换后仅有小部分大系数，其他变换域系数都为O或接近于O。为实现上述目的，本发明的方法方案是ー种害虫稀疏表征分类识别方法，步骤如下 a)对k类害虫进行编号，每类害虫序号为t，t = 1，2，…，k ;b)对包含k类害虫的所有图片进行图像预处理；c)对预处理后的所有图片进行特征提取提取得到样本矩阵A e Rmxn, m<n,A =[A1, k2···，Ak], A1, k2···，Ak 分别与 1，2，…，k 类害虫对应；d)构造ー个满足為 ,0，丄I，i，j = I, 2. · ·，m的高斯矩阵Φ e RnXn，其中(^ij
Vm)
为Φ中的元素，高斯矩阵Φ左乘样本矩阵A得到满足约束等距性条件的特征字典」=φ山e)对预处理后的任一待识别图片进行特征提取，得到待识别样本向量b，高斯矩阵Φ左乘待识别样本向量b得到= 求解分类模型6 =中的X(i，noise是ー
个服从高斯分布的随机噪声，由于实际中存在误差，通过算法重构的系数向量Xtl用X0表示；f)对害虫进行识别运用残差函数对ち进行残差求解，得到残差值向量z = Iz1,Z2,.J t = 1,2,…，k，如果最终残差值向量中值最小项为项zt，则待识别的害虫图像为第t类害虫。步骤b)中，图像预处理包括对图片采用中值滤波的方法进行去噪；采用最大类间方差求解自适应阈值，对图像进行分割。步骤c) ^,A = [A1 ,Α2,···,Αι] = [νη,νη, ",Vmj ]= [νη，ν,2,··.，ν叫]Gi '表不第t(l ^ t ^ k)类害虫的特征，其中nt为t类害虫样本个数，vtp，p = 1，"％1^为第セ类害虫的训练样本，它由15个分类特征构成面积、周长、延伸率、标准积、复杂度、占空比、等效半径、偏心率、I阶不变矩，2阶不变矩，3阶不变矩，4阶不变矩，5阶不变矩，6阶不变矩，7阶不
变矩；得到样本矩阵A后，利用归ー化函数《 =—2-^t= l，2...，k，q= l，2...，m
对15个特征进行归一化,式中a tq表示第t类害虫第q个特征,minq和maxq分别表示害虫第q个特征的最小值和最大值。步骤e)中，分类模型/7 = AX0 + 通过如下步骤获得
Oh = ΦΑχΗ = φΗ = ΦΑ χ.+χηο 8 ι)= Φ傘0 + Xnm-J=ΦΑχ0+ΦAxnoise= A X,+noiseXmise为向量元素值很小的噪声向量,其中Xfl ニ
，A1, A2-，Ak 分别与 I, 2，…，k 类害虫对应；d)特征字典构造模块，该模块构造ー个满足も M 0,-1，i，j = 1，2. . .，m的高
Vmj
斯矩阵Φ e ΓΧπ，其中小り为Φ中的元素，高斯矩阵Φ左乘样本矩阵A得到满足约束等距性条件的特征字典/! = Φ/he)求解模块，该模块对预处理后的任一待识别图片进行特征提取，得到待识别样本向量b，高斯矩阵Φ左乘待识别样本向量b得到^ = (Pb ;求解分类模型み=Axlt + o/se中的X(l，noise是ー个服从高斯分布的随机噪声，由于实际中存在误差，通过算法重构的系数向量Xo用X15表示；f)对步骤e)所述任ー待识别图片进行害虫识别的模块，该模块运用残差函数对&
进行残差求解，得到残差值向量こ=[んろ,…々，…，；；^= 1，2，···，k，如果最终残差值向量中值最小项为项zt，则待识别的害虫图像为第t类害虫。模块b)中，图像预处理包括对图片采用中值滤波的方法进行去噪；采用最大类间方差求解自适应阈值，对图像进行分割。模块
权利要求
1.一种害虫稀疏表征分类识别方法，其特征在于，步骤如下 a)对k类害虫进行编号，每类害虫序号为t，t= 1，2，…，k ; b)对包含k类害虫的所有图片进行图像预处理； c)对预处理后的所有图片进行特征提取提取得到样本矩阵
2.根据权利要求I所述的一种害虫稀疏表征分类识别方法，其特征在于，步骤b)中，图像预处理包括对图片采用中值滤波的方法进行去噪；采用最大类间方差求解自适应阈值，对图像进行分割。
3.根据权利要求2所述的一种害虫稀疏表征分类识别方法，其特征在于，步骤c)中，t(l彡t彡k)类害虫的特征，其中nt为t类害虫样本个数，vtp, P = I, - ,nt为第t类害虫的训练样本，它由15个分类特征构成面积、周长、延伸率、标准积、复杂度、占空比、等效半径、偏心率、I阶不变矩，2阶不变矩，3阶不变矩，4阶不变矩，5阶不变矩，6阶不变矩，7阶不变矩；得到样本矩阵 A后,利用归一化函
4.根据权利要求3所述的一种害虫稀疏表征分类识别方法，其特征在于，步骤e)中，分类模型
5.根据权利要求4所述的一种害虫稀疏表征分类识别方法，其特征在于，步骤f)中，所述的残差函数为
6.一种害虫稀疏表征分类识别装置，其特征在于，包括 a)对k类害虫进行编号的模块，该模块将每类害虫分配序号t，t=1，2，···，k; b)对包含k类害虫的所有图片进行图像预处理的模块； c)对预处理后的所有图片进行特征提取的模块该模块提取图片特征，得到样本矩阵A e Rmxn, m<n,A = [A1, A2-，Ak]，A1, A2-，Ak 分别与 I, 2，...，k 类害虫对应； d)特征字典构造模块，该模块构造一个满足
7.根据权利要求6所述的一种害虫稀疏表征分类识别装置，其特征在于，模块b)中，图像预处理包括对图片采用中值滤波的方法进行去噪；采用最大类间方差求解自适应阈值，对图像进行分割。
8.根据权利要求7所述的一种害虫稀疏表征分类识别方法，其特征在于，模块c)中，2 為，…，^] = [V11,V12，…，VmJ，4= [vfl,Vi2,··■，']€/Txnf表示第 t(l 彡 t 彡 k)类害虫的特征，其中nt为t类害虫样本个数，vtp, P = I, - ,nt为第t类害虫的训练样本，它由15个分类特征构成面积、周长、延伸率、标准积、复杂度、占空比、等效半径、偏心率、I阶不变矩，2阶不变矩，3阶不变矩，4阶不变矩，5阶不变矩，6阶不变矩，7阶不变矩；得到样本矩阵A后，利用归一化函数
9.根据权利要求8所述的一种害虫稀疏表征分类识别方法，其特征在于，模块e)中，分类模型
10.根据权利要求9所述的一种害虫稀疏表征分类识别方法，其特征在于，模块f)中，所述的残差函数为
全文摘要
本发明涉及一种害虫稀疏表征分类识别方法与分类识别装置，包括对k类害虫进行编号；对包含k类害虫的所有图片进行图像预处理；对预处理后的所有图片进行特征提取满足约束等距性条件的特征字典的构造；对预处理后的任一待识别图片进行特征提取；求解分类模型；对害虫进行识别。由于本发明的特征字典符合RIP条件，所以本发明所提出的识别方法准确度高、可靠性与稳定性强，性能优于现有技术。
文档编号G06K9/62GK102819748SQ20121025156
公开日2012年12月12日 申请日期2012年7月19日 优先权日2012年7月19日
发明者傅洪亮, 陶华伟, 张元 , 张德贤, 杨铁军, 樊超, 梁义涛, 管爱红, 张建华 申请人:河南工业大学