[发明专利]一种基于多特征稀疏表示技术的害虫图像识别方法

摘要

本发明涉及一种基于多特征稀疏表示技术的害虫图像识别方法，与现有技术相比解决了害虫图像识别方法在复杂现实环境中识别能力较差的缺陷。本发明包括以下步骤害虫图像的多特征提取；构建多特征训练样本矩阵；多特征融合学习；多特征融合识别。本发明提高了害虫识别的准确率。利用害虫图像的颜色特征、形状特征以及纹理特征分别构造相应的特征训练样本矩阵，结合稀疏表示识别框架，通过融合颜色、形状、纹理三种特征下的识别结果，实现了不同特征的有效融合。

主权项

一种基于多特征稀疏表示技术的害虫图像识别方法,其特征在于,包括以下步骤：11)害虫图像的多特征提取，提取害虫图像的颜色特征、纹理特征和形状特征；12)构建多特征训练样本矩阵，构建稀疏表示下的训练样本矩阵；训练样本矩阵定义如下：其中，其中，为属于c类害虫中第i类害虫在特征f情况下第的ni个训练样本，i＝1,2,…,c；j＝1,2,…,n；f＝1,2,3；Dif是第i类害虫的在特征f情况下的训练样本矩阵，n为训练样本维数；13)多特征融合学习，通过融合在不同特征参数下的稀疏表示识别结果，学习多特征融合权值；所述的多特征融合学习包括以下步骤：131)预处理害虫样本图片，对害虫样本图片进行去噪、分割、灰度化；132)对样本图像分别提取颜色、纹理以及形状特征并构建训练样本矩阵；133)通过稀疏表示框架获得不同特征情况下的识别结果{hi,j}，稀疏表示框架定义如下：x^if=argmin||xif||1subjectto||yif-Dfxif||2<ϵ]]>其中，表示待测试样本，下标i对应稀疏表示框架中识别结果为第i类别，f分别为颜色、纹理、形状特征类别；134)通过决策矩阵计算方法得到决策矩阵，给定一个待测试样本yi∈S，S是待测试样本集合，在颜色、纹理、形状不同特征参数的情况下的分类结果为{hi,j},j＝1,2,3；决策矩阵F＝{fi,j},i＝1,2,…,c；j＝1,2,3；决策矩阵的计算公式如下：其中，zi是样本yi标记；若fi,j＝+1意味着样本yi被正确的在第j个特征参数上进行分类，反之亦然；135)通过优化方法解决在不同特征参数下的识别结果的融合，通过稀疏表示识别结果优化方法学习多特征融合权值，稀疏表示识别结果优化方法公式如下：其中，l是正则化参数，e是一个长度为3的单位向量，Fw为稀疏系数决策矩阵；14)多特征融合识别，通过多特征融合学习获得的最优化权值得到害虫的所属类别。