[發明專利]基于改進狼群算法優化貝葉斯網絡的害蟲圖像識別方法

有效

• 申請號: 201810316604.5
• 申請日: 2018-04-10
• 公開（公告）號: CN108491923B
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 王生生;梅琳
• 申請（專利權）人: 吉林大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/04;G06K9/62
• 代理公司: 長春市恒譽專利代理事務所(普通合伙) 22212
• 代理人: 李榮武

1.一種基于改進狼群算法優化貝葉斯網絡的害蟲圖像識別方法，其特征在于：至少包括以下步驟：

步驟一：在原始狼群算法的基礎上，增加了新的算子和操作，將搜索空間調整為二進制編碼，提出了新的二進制狼群算法IBWCA，IBWCA對原始狼群算法進行改進，在探狼游走行為中在位置編碼里隨機選取位置加入了突變算子，在召喚行為中猛狼執行了逼近算子向頭狼逼近，逼近算子由頭狼位置編碼、猛狼位置編碼、隨機長度位置構成，在猛狼和探狼的圍攻行為中加入交互算子讓它們能共享位置編碼信息，在狼群的更新步驟中為了提高種群多樣性利用混沌映射生成新狼替換淘汰的弱小狼；

步驟二：在步驟一工作基礎上，結合貝葉斯網絡結構學習優化一般方法，提出了新的貝葉斯網絡結構學習優化算法BNC-IBWCA，其中貝葉斯網絡結構編碼采用了鄰接矩陣，設計了基于貝葉斯信息準則的評分函數，評分函數第一項為結構與數據的擬合程度，第二項為模型復雜度懲罰項，運用二進制狼群算法IBWCA作為搜索算法，人工狼位置對應可行的貝葉斯網絡結構，采用深度優先算法判斷并舍棄因為有環而無效的貝葉斯網絡結構；

步驟三：結合卷積神經網絡與貝葉斯網絡進行害蟲圖像的識別處理

用預訓練好的卷積神經網絡對訓練集和測試集的圖片進行特征提取，輸入訓練集上提取的特征屬性和分類，用BNC-IBWCA進行貝葉斯網絡的結構學習，然后再運用最大似然算法進行貝葉斯網絡的參數的學習，形成一個與輸入數據集最匹配的貝葉斯網絡，將其作為貝葉斯分類器，將測試集上提取好的特征屬性和分類輸入貝葉斯分類器，對貝葉斯分類器進行測試。

2.根據權利要求1所述的一種基于改進狼群算法優化貝葉斯網絡的害蟲圖像識別方法，其特征在于：步驟一中提出的改進的二進制狼群算法，使其適用于解決貝葉斯網絡結構的學習，在探狼的游走過程中，提出了突變算子；在召喚行為中，提出了逼近算子，使每只狼以一定的速率向最優狼接近；圍攻行為中提出的交互算子，使其狼群個體逐漸向較優的位置移動；在狼群的更新步驟中，提出利用混沌映射的方式生成新的狼來替換淘汰的狼。

3.根據權利要求1所述的一種基于改進狼群算法優化貝葉斯網絡的害蟲圖像識別方法，其特征在于：步驟三中結合顯著性檢測，卷積神經網絡和貝葉斯網來進行復雜背景的害蟲圖像識別，將卷積神經網絡僅用于特征提取，將提取的特征向量作為輸入，用貝葉斯分類算法進行分類，用預訓練的卷積神經網絡作特征提取，用改進狼群算法優化貝葉斯結構學習獲得的貝葉斯網作為分類器，基于全局對比度的顯著性區域檢測方法進行害蟲目標的定位，再對害蟲目標的區域，采用GrabCut算法進行自動分割。