[發(fā)明專利]一種基于稀疏表示的植物葉片數(shù)據(jù)識別方法

有效

• 申請?zhí)枺?/td>: 201310481334.0
• 申請日: 2013-10-15
• 公開（公告）號: CN103530658A
• 公開（公告）日: 2014-01-22
• 發(fā)明（設(shè)計）人: 李波;田貝貝;黃德雙
• 申請（專利權(quán)）人: 武漢科技大學(xué)
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 張火春

技術(shù)領(lǐng)域

本發(fā)明屬于植物葉片數(shù)據(jù)識別技術(shù)領(lǐng)域。具體涉及一種基于稀疏表示的植物葉片數(shù)據(jù)識別方法。

背景技術(shù)

植物是地球上物種數(shù)量最多、分布最廣泛的生命形式之一。植物是人類生存與發(fā)展的重要遺傳資源，是人類的重要食物來源，也是人類生產(chǎn)和生活必需的資源。同時，植物在水土保持、抑制荒漠和改善氣候等方面起著至關(guān)重要的作用。近年來隨著人類生產(chǎn)活動的日益增加，生態(tài)環(huán)境不斷遭到破壞。據(jù)調(diào)查統(tǒng)計，世界上大約有3.4萬種植物物種已處于滅絕的邊緣，占世界上已知的25萬種植物的13%。對植物進行保護已經(jīng)是勢在必行。

目前的植物分類有很多種方法，如植物細胞分類學(xué)、植物化學(xué)分類學(xué)、植物血清分類學(xué)以及植物遺產(chǎn)學(xué)，但對于非專業(yè)人員，這些分類方法很難掌握或不實用。因此，有必要研究借助數(shù)字圖像處理、模式識別、人工智能等信息技術(shù)進行計算機輔助的植物分類性狀自動提取，實現(xiàn)植物物種的自動分類、機器識別，以及研究這些數(shù)字分類性狀在植物物種生態(tài)分類中的意義。

從目前的研究結(jié)果來看，應(yīng)用在植物物種識別中比較廣泛和成功的方法是結(jié)合植物葉片形狀特征的神經(jīng)網(wǎng)絡(luò)方法，而此方法的成功在于神經(jīng)網(wǎng)絡(luò)的構(gòu)造和植物圖像特征矢量化，即如何從植物圖像中提取特征。特征提取和選擇對于機器學(xué)習(xí)方法來說是至關(guān)重要的，所抽取和選擇的特征決定了分類器的性能和整個算法的結(jié)果。目前，絕大多數(shù)應(yīng)用到植物物種識別中的機器學(xué)習(xí)方法的不同之處在于植物圖像特征矢量化方法的不同，由此可見特征提取和選擇在植物識別中的重要性。

目前最常用的特征抽取技術(shù)就是主成分分析方法。在植物物種識別中，主成分分析也是一種常用的特征維數(shù)約簡方法。主成分分析對具有線性結(jié)構(gòu)的數(shù)據(jù)處理效果很好，它通過尋找數(shù)據(jù)的二階統(tǒng)計性質(zhì)來發(fā)現(xiàn)數(shù)據(jù)的線性結(jié)構(gòu)，但對于高度非線性分布的數(shù)據(jù)并不能找到真正的分布結(jié)構(gòu)。基于非線形分布數(shù)據(jù)本征維數(shù)分析的流形學(xué)習(xí)方法提供了一種新的解決途徑。流形學(xué)習(xí)旨在發(fā)現(xiàn)高維流形分布數(shù)據(jù)的內(nèi)在規(guī)律性,其本質(zhì)是要從采樣數(shù)據(jù)學(xué)習(xí)低維流形的內(nèi)在幾何結(jié)構(gòu).這就意味著流形學(xué)習(xí)方法比傳統(tǒng)的維數(shù)約簡方法更能體現(xiàn)事物的本質(zhì)，更利于對數(shù)據(jù)的理解和進一步處理。因此，針對植物物種的多類別、高維分類數(shù)據(jù)，流形學(xué)習(xí)更有助于發(fā)現(xiàn)這些數(shù)據(jù)的內(nèi)在分布規(guī)律和幾何結(jié)構(gòu)，這為植物分類學(xué)提供一種新型有效的分類性狀分析工具。目前流形學(xué)習(xí)方法已經(jīng)初步地應(yīng)用到植物葉片數(shù)據(jù)特征提取和分類中，但是在流形學(xué)習(xí)中，需要大量的訓(xùn)練樣本來學(xué)習(xí)流形的局部結(jié)構(gòu)信息，而植物葉片訓(xùn)練數(shù)據(jù)還比較少。

發(fā)明內(nèi)容

本發(fā)明旨在克服現(xiàn)有技術(shù)缺陷，目的是提出一種能提高識別效果的基于稀疏表示的植物葉片數(shù)據(jù)識別方法。

為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案的具體步驟如下：

1)植物葉片數(shù)據(jù)的預(yù)處理

先對原始采集的植物葉片圖像進行去噪處理和平滑處理，然后進行植物葉片的圖像分割，再將分割后的彩色圖像轉(zhuǎn)換為灰度圖像，最后將灰度圖像進行歸一化和向量化處理，得到任一副植物葉片圖像處理后的向量數(shù)據(jù)X_i和所有植物葉片圖像預(yù)處理后的矩陣數(shù)據(jù)X。

2)計算任一副植物葉片圖像預(yù)處理后的向量數(shù)據(jù)X_i投影后的向量數(shù)據(jù)Y_i

A、建立流形之間差異度矩陣J_D

根據(jù)所有植物葉片圖像預(yù)處理后的矩陣數(shù)據(jù)X和類別信息矩陣H，建立流形之間差異度矩陣J_D