[发明专利]基于全自动支持向量机的武夷岩茶叶片图像分类方法有效
申请号: | 201810444937.6 | 申请日: | 2018-05-10 |
公开(公告)号: | CN108664927B | 公开(公告)日: | 2021-08-17 |
发明(设计)人: | 林丽惠;杨昇;李绍滋;余文森 | 申请(专利权)人: | 武夷学院 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 郑州大通专利商标代理有限公司 41111 | 代理人: | 陈勇 |
地址: | 354300 福建*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 全自动 支持 向量 武夷岩 茶叶 图像 分类 方法 | ||
1.基于全自动支持向量机的武夷岩茶叶片图像分类方法,其特征在于,包括以下步骤:
步骤1:对武夷岩茶鲜茶叶叶片图像进行预处理:去除拍摄过程中由光照和阴影导致的噪声和边缘模糊问题;将所述图像转换为灰度图,以提取武夷岩茶鲜茶叶叶片图像的纹理特征;将灰度图经过阈值分割、形态学处理得到二值图像,以提取武夷岩茶鲜茶叶叶片图像的形状特征;
步骤2:提取武夷岩茶鲜茶叶叶片图像的形状特征和纹理特征,采用武夷岩茶鲜茶叶叶片图像的狭长度、圆形度、矩形度以及矩向量作为武夷岩茶鲜茶叶叶片图像的形状特征,采用灰度共生矩阵法表示武夷岩茶鲜茶叶叶片图像的纹理特征;
步骤3:利用提取的武夷岩茶鲜茶叶叶片图像的形状特征和纹理特征,对全自动支持向量机分类器进行设计,包括:
步骤3.1:采用改进的RBF核函数参数自动选择方法选择最优的RBF核函数参数σ,用于对武夷岩茶鲜茶叶叶片图像进行分类识别;
步骤3.2:基于最优的RBF核函数参数σ,设计支持向量机的最佳惩罚参数C:首先在粗网格下,初步估计最佳惩罚参数的范围;然后利用细网格,找出在交叉验证法下,各网格值的建议次数;最后将所述建议次数当作各网格值的加权权重进行加权,从而得到最佳的惩罚参数C;
步骤4:通过全自动支持向量机分类器对武夷岩茶鲜茶叶叶片图像进行分类。
2.根据权利要求1所述的基于全自动支持向量机的武夷岩茶叶片图像分类方法,其特征在于,所述改进的RBF核函数参数自动选择方法为:
假设训练数据集合为其中j为第i类的第j个样本,i=1,2,…L,L为类别数;定义类内距离w(σ)如式(17)所示,定义类间距离b(σ)如式(18)所示,定义类距离JRBF(σ)如式(19)所示:
JRBF(σ)=1-w(σ)+b(σ) (19)
其中,x,x′∈Rd;σ∈R-{0},为RBF核函数参数;R为实数集;Rd为d维实数向量空间。
3.根据权利要求1所述的基于全自动支持向量机的武夷岩茶叶片图像分类方法,其特征在于,在所述阈值分割之前,还包括:
计算每一幅武夷岩茶鲜茶叶叶片图像的灰度门限。
4.根据权利要求1所述的基于全自动支持向量机的武夷岩茶叶片图像分类方法,其特征在于,所述矩向量采用Hu不变矩。
5.根据权利要求1所述的基于全自动支持向量机的武夷岩茶叶片图像分类方法,其特征在于,所述步骤3.2包括:
步骤3.2.1:给定粗网格的范围:
C=2t,t∈{tmin,tmin+1,tmin+2,...,tmax} (21)
步骤3.2.2:将训练数据集的每个类别分成K等份,再利用交叉验证法初步估计最佳惩罚参数的取值范围,即估计C的最小值Cmin及最大值Cmax;
步骤3.2.3:将C的取值范围切成较细的S个网格:
步骤3.2.4:利用交叉验证法,找出细网格中各细网格值的建议次数Pr,r=1,2,...,S,利用所述建议次数针对细网格值进行加权,自动找出最佳的惩罚参数C:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武夷学院,未经武夷学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810444937.6/1.html,转载请声明来源钻瓜专利网。