[發(fā)明專利]一種異構(gòu)特征融合的云花卉識別方法

有效

• 申請?zhí)枺?/td>: 201410582671.3
• 申請日: 2014-10-27
• 公開（公告）號: CN104346630A
• 公開（公告）日: 2015-02-11
• 發(fā)明（設(shè)計）人: 郭禮華;林俊斌
• 申請（專利權(quán)）人: 華南理工大學
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 陳文姬

1.一種異構(gòu)特征融合的云花卉識別方法，其特征在于，包括以下步驟：

S1離線訓練過程：

S1.1對訓練樣本圖像進行BOW特征提取，具體為：

S1.1.1將訓練樣本圖像從RGB色彩空間轉(zhuǎn)換成灰度空間；

S1.1.2對經(jīng)步驟S1.1.1處理后的訓練樣本圖像提取密集SIFT特征，對所得SIFT特征使用k均值聚類得到SIFT特征字典，利用SIFT特征字典量化每個訓練樣本圖像的SIFT特征，從而得到訓練樣本圖片的SIFT特征直方圖；

S1.1.3計算各訓練樣本圖像的SIFT特征直方圖之間的交叉核函數(shù)，得到訓練樣本圖像的BOW特征；

S1.2對所有訓練樣本圖像進行稀疏特征提取，具體為：

S1.2.1對訓練樣本圖像進行預處理，即將每張訓練樣本圖像分割成多個圖塊，并且每個圖塊去除圖塊的像素平均值；

S1.2.2對經(jīng)步驟S1.1.1處理后的所有圖塊，使用K-SVD算法，得到稀疏特征的字典；利用稀疏特征字典，使用OMP算法對步驟S1.2.1得到的圖塊進行稀疏編碼，將訓練樣本圖像利用層次化結(jié)構(gòu)分成N區(qū)域，在每個區(qū)域內(nèi)使用最大值抽取，并進行級聯(lián)后得到訓練樣本圖像的稀疏編碼結(jié)果；N為正整數(shù)；

S1.2.3計算各訓練樣本圖像的稀疏編碼結(jié)果之間的交叉核函數(shù)，得到訓練樣本圖像的稀疏特征；

S1.3使用多核學習，得到BOW特征和稀疏特征的權(quán)重，利用權(quán)重將BOW特征和稀疏特征進行加權(quán)求和后，得到圖像的總特征，然后送入支持向量機進行訓練，得到支持向量機分類模板；

S2花卉識別過程：

S2.1客戶端發(fā)送花卉識別請求到云服務器端；

S2.2云服務器通過負載均衡操作將任務分配至云服務器的計算節(jié)點，具體為：

S2.2.1在云上的每個計算節(jié)點上都部署已訓練好的支持向量機分類模板；

S2.2.2云上的主控制節(jié)點接收用戶傳來的待識別花卉圖像，根據(jù)用戶的源IP地址進行哈希操作，根據(jù)哈希操作的結(jié)果轉(zhuǎn)發(fā)到相應的計算節(jié)點子集群上；

S2.2.3子集群的控制節(jié)點根據(jù)子集群內(nèi)計算節(jié)點的忙碌情況，將請求轉(zhuǎn)發(fā)至最空閑的計算節(jié)點，并在最空閑計算節(jié)點上啟動進程；

S2.3最空閑計算節(jié)點對用戶傳來的待識別花卉圖像進行識別，具體包括：

S2.3.1將待識別花卉圖像從RGB色彩空間轉(zhuǎn)換成灰度色彩空間；

S2.3.2對步驟S2.3.1得到的灰度圖像提取密集SIFT特征，利用步驟S1.1.2得到的SIFT特征字典進行量化，得到待識別花卉圖像的SIFT特征直方圖；計算待識別花卉圖像的SIFT特征直方圖與訓練樣本圖像的SIFT特征直方圖的交叉核函數(shù)，得到待識別花卉圖像的BOW特征；

S2.3.3對待識別花卉圖像進行預處理，即將待識別花卉圖像分割成多個圖塊；

S2.3.4利用步驟S1.2.2得到的稀疏特征字典，利用OMP算法對步驟S2.3.3得到的圖塊進行稀疏編碼；將待識別花卉圖像利用層次化結(jié)構(gòu)分成N區(qū)域，在每個區(qū)域內(nèi)使用最大值抽取，并進行級聯(lián)后得到待識別花卉圖像的稀疏編碼結(jié)果；計算待識別花卉圖像和訓練樣本圖像的稀疏編碼結(jié)果的交叉核函數(shù)，得到待識別花卉圖像的稀疏特征；

S2.3.5利用S1.3學習得到的權(quán)重將待識別花卉圖像的BOW特征和稀疏特征進行加權(quán)求和后，得到待識別花卉圖像的總特征，并將總特征送入步驟S1.3得到的分類模板進行分類，得到待識別花卉圖像的分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的異構(gòu)特征融合的云花卉識別方法，其特征在于，步驟S1.2.1所述對訓練樣本圖像進行預處理，具體為：

S1.2.1.1對訓練樣本圖像按比例縮放到固定尺寸；

S1.2.1.2使用一個滑動窗口在經(jīng)步驟S1.2.1.1處理后的訓練樣本圖像上逐像素移動得到多個圖塊；

S1.2.1.3每個圖塊去除各自圖塊的像素平均值。

3.根據(jù)權(quán)利要求1所述的異構(gòu)特征融合的云花卉識別方法，其特征在于，步驟所述S2.3.3對待識別花卉圖像進行預處理，將待識別花卉圖像分割成多張圖塊，具體為：

S2.3.3.1對待識別花卉圖像按比例縮放到固定尺寸；

S2.3.3.2使用一個滑動窗口在經(jīng)步驟S2.3.3.1處理后的待識別花卉圖像上逐像素移動得到多個圖塊；

S2.3.3.3每個圖塊去除圖塊的像素平均值。