一种基于ds多分类器融合的水稻飞虱识别方法
【专利说明】-种基于DS多分类器融合的水稻飞風识别方法
[000。（一)技术领域 本发明设及农业和模式识别技术领域，特别设及一种基于DS多分类器融合的水稻飞風 识别方法。
[0002] (二)【背景技术】 水稻是我国重要的粮食作物，水稻飞風是我国水稻的主要害虫，不同种飞風对水稻造 成的伤害不同，所W准确识别水稻飞風种类是防治害虫危害的有效措施。水稻飞風种类的 识别技术能够解决专业的种类鉴定需求日益增加与鉴定人员相对缩减之间的矛盾，有较广 阔的应用前景。传统的水稻飞風识别方法通常只有一个分类器来进行识别，运就导致仅仅 依靠一个分类器是很难达到较高的识别率，因此提高水稻飞風识别准确率是目前亟待解决 的问题。
[0003] (Ξ)
【发明内容】
本发明为了弥补现有技术的不足，提供了一种处理多角度水稻飞風变化情况准确率较 高的基于DS多分类器融合的水稻飞風识别方法。
[0004] 本发明是通过如下技术方案实现的： 一种基于DS多分类器融合的水稻飞風识别方法，包括如下步骤： (1) 对现有的水稻飞風图像灰度化，再采用中值滤波进行滤波，然后对图像进行二值 化，并结合形态学开运算，提取出水稻飞風的中胸背板图像； (2) 提取水稻飞風的中胸背板图像的Tamura纹理特征； (3) 将水稻飞風的中胸背板图像分为两组，一组为训练集，一组为测试集； (4) 根据训练集中水稻飞風的中胸背板图像特征提取后的特征创建神经网络分类器和 支持向量机分类器，将测试集中水稻飞風的中胸背板图像特征提取后的特征代入已经创建 的神经网络和支持向量机分类器，最后采用DS融合的方法对结果进行融合，根据分类器融 合结果判断该水稻飞图像属于哪一类。
[000引本发明的更优技术方案为： 步骤（1)中，所述现有的水稻飞風图像有Ξ类，分别为白背飞風、灰飞風和褐飞風，每类 图像选取水稻飞風的各个角度，即0度、30度、60度、90度、120度、150度和180度，所有角度都 是水稻飞風头部与水平轴线的夹角;所述形态学开运算采用圆盘结构元素。
[0006] 步骤(2)中，所述化mura纹理特征包括粗糖度、对比度和方向度特征，将上述Ξ个 特征进行归一化处理，归一化方法采用离差标准化。
[0007] 步骤(4)中，建立的分类器用BP神经网络，支持向量机的核函数选用径向基核函 数;选用DS方法对BP神经网络和支持向量机决策结果融合，在融合前对神经网络分类器和 支持向量机分类器的决策结果进行归一化，归一化方法用离差标准化，然后根据融合后的 结果进行分类判别。
[0008] 本发明步骤简单，操作方便，应用灵活，可处理多角度水稻飞風变化情况，提高其 识别准确率，能够克服单一分类器的不足，适于广泛推广应用。
[0009] (四）【附图说明】 下面结合附图对本发明作进一步的说明。
[0010]图1为本发明的训练分类器的操作步骤示意图； 图2为本发明测试样本类别的判别过程示意图； 图3为本发明白背飞風的多角度图像示意图； 图4为本发明提取的白背飞風、灰飞風和褐飞風的中胸背板示意图。
[00川（五巧体实施方式 实施例： 基于DS多分类器融合的水稻飞風识别方法，其具体方法如下： (1)水稻飞風图像预处理 本发明图像共有Ξ类水稻飞風图像，一类为白背飞風，一类为灰飞風，另一类是褐飞 風。由于Ξ类飞風的主要区别在于背部纹理。为了保证水稻飞風图像检测的准确性，我们需 要对水稻飞風图像进行预处理，提取每类水稻飞風图像的水稻飞風中胸背板。
[0012] 首先将所有应用的水稻飞風图像调整为统一大小，转化为灰度图像并且进行中值 滤波，然后二值化，结合形态学开运算提取所有的水稻飞風图像中胸背板。
[0013] (2)水稻飞風图像特征提取 本发明的水稻飞風的图像特征提取采取了 Tamura纹理特征。1978年Tamura等人在屯、理 学研究的基础上来研究人类对纹理视觉的感知，并提出了 Tamura算法。该算法的6个分量对 应着屯、理学上纹理特征的6种属性，其中粗糖度、对比度W及方向度运Ξ个分量能够很好的 应用于纹理合成、图像识别等方面。所W本发明的水稻飞風的图像特征提取采取了化mura 纹理特征粗糖度、对比度W及方向度运Ξ个分量。其算法如下： A.粗糖度 ① 计算图像中大小为2kX2k矩形区活动窗口中每个像素点的亮度均值。其中（x，y)代 表我们选定的图像区域处在整个图像中的位置，g(i，j)是选定区域中第（i，j)点的像素灰 度值，通过k来确定像素的范围。计算公式如下：
② 计算每个像素点在水平和垂直方向上互相不重合的活动窗口之间的平均强度差。见 下式
[0014] Ek,h是该像素点水平方向的差值，Ek,v是该像素点垂直方向的差值，根据像素点，能 够找到让E值达到最大的最佳尺寸Sbest的点，见下式，另外k是使在任意方向都能使E值达到 最大时的下标值。
[001 引 Sbest(x，y) = 2k; ③ 通过计算整个图像中Sbest的平均值得到粗糖度Fcrs，其中m和η是图像的宽度和高度， 见式：
Β.对比度 对比度是指图像中明暗区域中白色和黑色之间的亮度比，像素的差别范围越大对比度 就越大，反之，也是如此。对每个像素的邻域进行计算，得其均值、方差、峰态等统计特性，来 衡量整个图像或者区域中对比度的全局变量。计算公式如式：
其中0是图像灰度的标准方差，04是图像灰度值的峰态，通过04 = μ4/04定义:μ4是四阶 矩均值，是图像灰度值的方差。
[0016] C.方向度 方向度描述纹理是如何沿着某方向散布或集中的，它与纹理基元的排列规则和形状的 差异有关。计算方法如下： ①计算各像素处梯度向量的模和方向，见公式:I泌I寺1小|44/2，0=虹11-也批,)+|。
[0017] 其中如和;、..的计算分别是通过图像与下列两个Sx}算子做卷积。
[001 引
[0019] ②把《-JT范围分成16等分，在每个等分的小区间内取最大值Φ