[發明專利]林業業務圖像自動分類方法

有效

• 申請號: 201210251256.0
• 申請日: 2012-07-18
• 公開（公告）號: CN102819747A
• 公開（公告）日: 2012-12-12
• 發明（設計）人: 汪杭軍;壽韜;張廣群
• 申請（專利權）人: 浙江農林大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 周烽

技術領域

本發明涉及一種林業業務圖像自動分類方法，屬于森林資源監測與信息處理技術領域。

背景技術

林業具有巨大的生態、經濟和社會功能，是應對經濟全球化發展過程中造成的生態危機和氣候變化問題的有效途徑。于是對森林資源和生態保護成為各級政府重要的建設內容。而護林員作為林業工作的骨干力量，可將林業現場數據通過手機拍攝后傳輸到服務器。這些圖像數據集中在服務器上能夠根據林業業務需求進行快速地分類，并將分類結果發送到相關林業管理部門，從而可以對相關事件進行及時、有效的處理。

這種森林資源監管模式，擯棄了傳統的管理手段無法準確及時了解其現狀及動態，但要使林業各個管理部門，包括林業執法機構和執法隊伍能夠全面配合，相互協調，增強決策支持和應急處理能力，其核心是實現林業業務圖像的分類。要實現林業業務圖像的分類，其理論基礎是建立在場景圖像分類上的。而場景圖像分類是在二十世紀九十年代末開始興起的一個新的研究領域，2006年在MIT首次召開了場景理解研討會，明確了場景分類將會是一個新的有前途的研究熱點。2005年之前，場景圖像分類主要采用基于底層特征(low?level?features)的方法和基于場景結構的方法；而從2005年至今，場景圖像分類主要采用基于圖像視覺詞匯的方法。

最初的場景分類方法大多基于圖像底層特征(圖像的全局或者分塊的紋理、顏色等特征)，并與監督方法相結合。但是基于低級特征的方法利用空間信息少，使得圖像的中低層特征和高層語義之間存在較大的語義鴻溝，目前已經不是場景分類的研究熱點。

為了能描述場景圖像中各組成部分內容及其相互關系，學者們提出了基于圖像局部結構或構建中間語義層的方法來分類圖像，從而彌補它們之間存在的語義鴻溝。例如，Lipson等人提出的場景配置模型(scene?configuration?model)，Smith等人提出的組合區域模板(composite?region?templates)。Lipson和Smith的方法通過一定的構造組成來描述場景類別，因此在分類圖像時，只需要分析測試圖像的結構組成即可，無需逐個比較訓練樣本，這樣彌補低級特征方法在表示圖像語義信息方面的不足。但其缺點是，模型的設計未必能準確描述圖像的語義特性，并且通常需要對圖像進行分割，而圖像分割本身就是一個比較復雜的問題。另外，Oliva等人使用粗糙度、寬闊度、伸展度等視覺感知屬性描述場景的主要內容結構；Vogel等人定義一組局部語義概念，生成局部語義概念模型計算相應語義的出現頻率進行場景分類。然后這兩人的方法需要對大量的數據進行人工標注，因此限制了它們的應用范圍。

Sivic等人在視頻場景分類和檢索中最早提出了視覺詞匯的概念，將文本分類中的詞袋方法(bag?of?words，BOW)應用到圖像分類中來。

得到圖像的視覺詞匯后，可以直接計算BOW表示進行場景分類，也可以在BOW表示上采用文本分類中常用的概率生成主題模型進行建模，這包括Li等人的latent?dirichlet?allocation(LDA)模型和Bosch等人概率隱含語義分析模型(pLSA)進行無監督的場景分類。pLSA和LDA的無監督分類算法，使得訓練數據不需要人工標注。

場景圖像分類經過十幾年的發展，取得了豐富的成果，但是往往忽略了圖像的顏色信息，另外對圖像的縮放非常敏感。特別是目前對場景圖像分類的研究都停留在一些通用的自然風景圖像上，圖像不同類別差異較大。而針對林業業務的圖像進行自動分類研究還未見報道。

發明內容

本發明要解決的技術問題是提供一種林業業務圖像自動分類方法。

本發明所采用的技術方案分為訓練和分類兩大部分，具體步驟如下：

一、訓練

(1)將數據庫中每一幅林業業務圖像從RGB顏色模型圖像分別轉換成HSV顏色模型圖像和256級灰度圖像其中i＝1，2，...，N，N為數據庫中訓練圖像的個數；

(2)在灰度圖像上，采用SURF計算關鍵點集合KP_i(k₁，k₂，...，k_Ni)，，其中Ni表示關鍵點個數，關鍵點k_j(x，y，s)中，j＝1，2，...，Ni，x，y表示關鍵點的位置，s為尺度信息；

(3)關鍵點描述：按步驟一(2)得到的SURF關鍵點，求對應像素點在HSV空間中的H顏色分量上的位置，然后分2步來實現這些關鍵點的描述：