[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

权利要求书

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J_RBF(σ)如式(19)所示：

J_RBF(σ)＝1-w(σ)+b(σ) (19)

其中，x,x′∈R^d；σ∈R-{0}，为RBF核函数参数；R为实数集；R^d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＝2^t,t∈{t_min,t_min+1,t_min+2,...,t_max} (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C_min及最大值C_max；

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P_r，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：