[發明專利]小麥矮腥黑穗病TCK及其近似種TCT的冬孢子圖像鑒定方法

有效

• 申請號: 201410020395.1
• 申請日: 2014-01-16
• 公開（公告）號: CN103745231B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 鄧繼忠;袁之報;金濟;胡昕安;林偉森;李山
• 申請（專利權）人: 華南農業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 楊曉松

1.小麥矮腥黑穗病TCK及其近似種TCT的冬孢子圖像鑒定方法，其特征在于，包括以下步驟：

1）構建稀疏字典

1.1）小麥矮腥黑穗病害冬孢子圖像采集，獲取的圖像可以包含多個冬孢子，但各孢子區域不可互相粘連；

1.2）訓練樣本圖像制作

采用中值濾波過濾圖像噪聲，并采用圖像分割、圖像標記提取冬孢子區域，使得每幅樣本圖像僅包含一個冬孢子；

1.3）稀疏字典的構成

設鑒定目標有n=2類，即TCK與TCT，每類有m個訓練樣本，用Ai=f1if2i...fmi]]>表示所有屬于第i類的訓練樣本數據，i=1,2，它的m個列向量構成一個空間，反映第i類，則2個目標類的所有訓練樣本組成的稀疏字典矩陣如下：

?。絒Α¹?Α²]

式中，A的行數為描述樣本的特征參數個數，列數為訓練樣本總數；

當稀疏字典構成后，除非增加字典的容量，否則后續的每次鑒定不需再重新生成或更改；

2）矮腥黑穗病害圖像鑒定

2.1）采集待鑒定矮腥黑穗病害冬孢子圖像，獲取的圖像可以包含多個冬孢子，但各孢子區域不可互相粘連；

2.2）制作待鑒定病害的樣本圖像，每幅待鑒定的樣本圖像僅包含一個冬孢子；

2.3）提取冬孢子區域特征參數

提取小麥矮腥黑病害圖像冬孢子區域的特征參數作為分類的依據，其中，所述特征參數與稀疏字典的特征參數相同；

2.4）基于稀疏表示方法的病害類型鑒定

設待鑒定樣本圖像的特征數據構成測試樣本的向量y，則該向量可表示如下：

y＝Ax

式中，x為列向量，x=x11...xm1x12...xm2′,]]>元素表示在稀疏字典中第i類第j個訓練樣本上的投影系數，通過l₁最小化范數來求解x，如下式所示：

x^=argmin||x||1]]>滿足||Ax-y||₂＜＜ε

式中，為x的近似解，ε為誤差閾值；

在實際識別時，用正交匹配追蹤算法來求解l₁最小化范數，通過殘差逼近算法與設計的分類器來判別y的所屬類別，所述殘差逼近算法如下式所示：

miniri(y)=mini(||y-Aδi(x^)||2)]]>

式中，r_i(y)為用第i類訓練樣本重建y的殘差，是一個新向量，它的非零元素僅是與第i類相關的成分，用近似y，與y距離越小，屬于第i類的可靠性越高；

稀疏表示法根據測試樣本在每個訓練樣本上的投影系數進行識別，如下：

首先，輸入訓練稀疏字典的樣本矩陣A，識別對象特征值向量y，稀疏度K；然后初始化殘差r₀＝y，樣本索引集Λ₀＝[]，t=1；最后執行以下過程：

2.4.1）找出殘差r和訓練樣本矩陣的列φ_j內積中最大值所對應的腳標λ，即

λ＝argmax_j＝1,...,N|＜r_t-1,φ_j＞|

2.4.2）更新索引集Λ_t＝Λ_t-1∪{λ_t}，記錄找到的訓練樣本矩陣中的重建原子集，即

Φt=[Φt-1,φλt]]]>

2.4.3）求出x^t=arg min||y-Φtx^||2;]]>

2.4.4）更新殘差rt=y-Φtx^,t=t+1;]]>

2.4.5）若t>K，則停止迭代，執行下面步驟2.4.6）；若不滿足，則循環執行步驟2.4.1）至2.4.5）；

2.4.6）采用分類器鑒定病害類別，首先統計稀疏表示中的非0系數，計算出測試樣本y在每一類訓練原子的投影系數和s，再求出投影系數和s中的最大值，最后，把該最大值所對應的類作為最終的分類結果；

3）輸出鑒定結果，至此便完成矮腥黑穗病害鑒定。