[發(fā)明專利]一種基于三維模擬的昆蟲識別方法在審
| 申請?zhí)枺?/td> | 201810988320.0 | 申請日： | 2018-08-28 |
| 公開（公告）號： | CN109299731A | 公開（公告）日： | 2019-02-01 |
| 發(fā)明（設計）人： | 宋月華;李燦;苑曉偉;譚超 | 申請（專利權）人： | 貴州師范大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06F16/43;G01D21/02 |
| 代理公司： | 北京國坤專利代理事務所(普通合伙) 11491 | 代理人： | 趙紅霞 |
| 地址： | 550001 貴州*** | 國省代碼： | 貴州;52 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 昆蟲 采樣器 處理器箱體 攝像頭拍攝 聲音數據存儲器 二值化處理器 聲音采集模塊 中央處理器 三維模擬 聲音特征 圖片數據 圖片特征 存儲器連接 螺絲安裝 螺絲固定 聲音信息 數據傳送 數據對比 重要信息 存儲器 玻璃蓋 分析器 采樣 轉軸 圖片 分析 | ||
1.一種基于三維模擬的昆蟲識別方法，其特征在于，所述基于三維模擬的昆蟲識別方法設置有處理器箱體，處理器箱體的中間通過螺絲固定有攝像頭拍攝模塊，攝像頭拍攝模塊的旁邊通過螺絲安裝有聲音采集模塊，處理器箱體的表面通過轉軸安裝有玻璃蓋；攝像頭拍攝模塊與圖片數據存儲器連接，圖片數據存儲器再與圖片二值化處理器連接，圖片二值化處理器與圖片特征采樣器連接；聲音采集模塊與聲音數據存儲器連接，聲音數據存儲器與聲音特征采樣器連接；圖片特征采樣器與聲音特征采樣器一起連接到中央處理器上，中央處理器將數據傳送到數據對比分析器；
所述圖像數據存儲器內部設置有圖像分類模塊，所述圖像分類采用基于樸素貝葉斯K近鄰的快速圖像分類算法，具體算法為：
給定測試圖像Q以及訓練圖像庫，定義圖像Q對于類別C的區(qū)分性能RC如下式所示，其中表示不是C的其他類別：
取對數運算得：
將圖像Q對類別C的區(qū)分性能轉化為圖像中局部特征對類別C的區(qū)別性能，分類決策表示為：
類別C的先驗概率服從均勻分布，則為常數值，對于分類不起任何貢獻，分類決策最終表示為：
式中，p(di|C)∝exp(-||di-NNC(di)||2)中，即p(di|C)正比于檢索圖像中局部特征di到類別C中的最近鄰距離；p(di|C)正比于di到中的最近鄰距離，di在中的最近鄰稱為次近鄰；NNC表示檢索圖像中局部特征di在類別C中的最近鄰，因此最終的分類決策可認為由各局部特征區(qū)分性能的增量所決定，NBNN利用測試圖像中每個特征的最近鄰更新類別的后驗概率；基于特征的統計分布性質度量特征間的相關性并進行特征選擇，計算公式：
式中，ui表示特征的均值；σi表示特征的方差。
2.如權利要求1所述的基于三維模擬的昆蟲識別方法，其特征在于，所述的NBKNN算法包括：
1)提取測試圖像與C類訓練圖像中的局部特征，分別記為di∈Q和dic；
2)計算測試圖像和訓練圖像集中特征的Fi值，保留前M個最大Fi值對應的特征，其中測試圖像中的前M個特征記為dM；
3)對每個dM在類別C中搜索其K近鄰，分別記為{N1C，N2C，…，NKC}，在其他類別中搜索其最近鄰并計算其均值
4)計算dM到各類別K－1近鄰的距離之和，以及第K近鄰及的距離，分別記為：
5)對每個dM在各類別C中計算TC，TC＝D1－D2－D3，最終的分類決策為：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于貴州師范大學，未經貴州師范大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810988320.0/1.html，轉載請聲明來源鉆瓜專利網。
