水稻害虫智能识别与分类系统的制作方法
【技术领域】
[0001] 本发明涉及昆虫分类学和计算机图像智能识别领域，尤其涉及水稻害虫的智能识 别与分类技术。
【背景技术】
[0002] 水稻害虫识别是水稻病虫害测报的重要依据，直接关系着害虫综合治理和水稻产 量和质量的提高。目前，我国田间水稻害虫测报主要由农保专业人员通过传统昆虫分类方 法，如物种描述、生物特征图及检索表等对害虫进行鉴定，工作量大且效率较低，难以满足 其他学科、生产实践和普通公众对水稻害虫物种鉴定结果准确、迅速和及时的需求，滞后于 生产上对测报信息及时性和普及性的迫切需求，水稻害虫智能识别技术亟待研发。在本研 宄以前，尚无人系统地将计算机图像智能识别技术与水稻害虫分类学相结合研宄开发水稻 害虫智能识别与分类系统。
[0003] 目前，随着计算机运算速度和存储容量的迅猛发展，模糊数学方法的引入、人工神 经网络和支持向量机方法对统计模式识别的丰富、遗传进化算法等算法的出现及多分类器 学习等新方法体系的提出，使得图像智能识别技术在许多领域得到了应用。因此，利用计算 机进行昆虫的自动鉴定已成为可能，针对特种类群的昆虫图像的自动鉴定已具备良好的理 论基础和方法支持。
【发明内容】
[0004] 本发明针对水稻害虫种类多、图像数据量庞大，导致识别效率低的特点，对原始 图像进行有效降维[二维离散正弦变换2D-DST(Two_Dimensional DST for Discrete Sine Transform)]，并对DST系数特征进行深入分析并提取识别性能优化的水稻害虫 特征用于与二维主成份分析（2DPCA)，提出将离散正弦变换（DST)与模块维主元分析 [modular2DPCA (Modular Two Dimension principal component analysis)]相结合的方法 应用于图像智能识别系统，有效地降低特征维数，并保留了对光照、颜色以及姿态等不敏感 的分类性状。
[0005] 离散正弦变换是一种图像数据压缩方法，其压缩质量接近于信息压缩的最优变换 (KL变换）。对于一幅mXn的数字图像f (x，y)，其2D离散正弦变换的定义为：
[0006]
【主权项】
1. 基于主元分析的水稻害虫智能识别与分类方法，包括主要水稻害虫样本的训练库和 检测库，其特征在于所述方法包括如下步骤： (1) 构建水稻主要害虫图像数据库，包括水稻害虫139种，图像237幅； (2) 应用二维离散正弦变换算法对数据库图像进行压缩降维处理、优化鉴别性状，提取 水稻害虫识别的显著特征； (3) 采用模块维主元分析（modularfDPCA)进行水稻害虫识别特征的提取和模式的识 别； (4) 应用数码相机获取测试样本图像，按照上述步骤的（2)和（3)对测试样本图像进行 处理以获得测试样本的图像的特征值，进一步应用最佳相似度数值确定测试样本昆虫所属 物种。
2. 根据权利要求1所述的方法，所述二维离散正弦变换的定义为：
其中，u= 1，2…，M-l;v= 1，2…，N-1 ;式中C(u，v)称为DST系数；a(u)，a(v)分别定义为：
〇
3. 根据权利要求1所述的方法，所述二维离散正弦变换的定义为： 所述模块维主元分析中：设X表示m维单位化的列向量，2DPCA是将mXn的图像矩阵A通过线性变换Y=AX投影到上，得到一个n维列向量y，称之为图像A的投影特征向量； 设模式类别有c个，…，，…，AM为所有训练样本图像，每个样本是 mXn矩阵；其中：
给出图像的总体散布矩阵匕为：
G为mXn的非负定矩阵，其中，j为所有训练模式总体的均值矩阵，且
定义准则函数为匕的迹的最大值，即特征值之和最大，为最佳投影方向：J⑴= XnGiX； 其物理意义是图像矩阵在X方向上投影后所得的向量的总体分散程度最大；该最优投 影向量即为G的最大特征值所对应的单位特征向量；通常一个最佳投影方向是不够的，通 常取G的d个最大特征值所对应的特征向量Xl，x2…，xd，满足J(x)最大使特征向量相互正 交；令P=[Xpx2，…，xd]，P称为最优投影矩阵； 对已知的图像样本八，令81￡=入〖*?，1^=1，2，一，(1，投影特征矢量￥ 1，￥2，"4(1称为 图像样本A的主成分；利用获得的主成分可以构成图像样本A的特征矩阵或特征图； 通过以上的性状抽取过程，每个图像矩阵A对应一个特征矩阵B=ATP，根据此特征矩 阵，利用最小距离分类器可以实现对图像的分类；令<
,A^e? 1;则Si为第i类 训练图像样本的均值向量矩阵，Si的特征矩阵为B, =S) *P,i= 1，2,…，c，对测试样本 八，计算相应的5，且有：(1(81^)=||81-81=阳(81-8) 1(31-8)]1/2，其中，||*||廣示矩阵的 Frobenius范数，tr〇)表示矩阵的迹；如果cKSi-iShmir^c^Si-iS)!，则有AG?lt)
【专利摘要】本发明公开了一种基于主元分析的水稻害虫智能识别与分类方法，提出了将离散正弦变换(DST)与模块维主元分析(modular2DPCA)相结合的方法实现水稻害虫图像智能识别。该系统先将水稻害虫图像进行DST变换，再进行压缩并用反离散正弦变换(IDST)完成图像的重建以滤掉图像中对人眼不敏感的高频部分，然后利用modular2DPCA方法进行水稻害虫特征的提取及模式的识别，在降低了特征维数和保留光照、颜色及姿态等不敏感的分类性状方面具有重要作用。水稻害虫智能识别与分类系统可实现将数码相机拍摄的图像应用上述计算机程序进行处理，运用Matlab软件将未知害虫图像与数据存储器中的训练样本库害虫图示进行自动比对并将鉴定结果输出至显示器。
【IPC分类】G06K9-64
【公开号】CN104573734
【申请号】CN201510004952
【发明人】涂海华, 李卫春, 魏洪义, 胡秀霞, 熊新农
【申请人】江西农业大学, 涂海华
【公开日】2015年4月29日
【申请日】2015年1月6日