[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

摘要

本发明属于图像分类技术领域，尤其涉及基于全自动支持向量机的武夷岩茶叶片图像分类方法。基于全自动支持向量机的武夷岩茶叶片图像分类方法，包括：对武夷岩茶鲜茶叶叶片图像进行预处理；提取武夷岩茶鲜茶叶叶片图像的形状特征和纹理特征；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；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。本发明采用改进的RBF核函数参数自动选择方法选择最优的RBF核函数参数，基于最优的RBF核函数参数，设计支持向量机的最佳惩罚参数C，获得了较好的图像分类效果。

主权项

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。