[发明专利]害虫稀疏表征分类识别方法与分类识别装置

说明书

技术领域

本发明属于图像处理技术领域，涉及害虫稀疏表征分类和害虫稀疏表征分类字典的构建方法。

背景技术

储粮害虫对粮食储藏的危害十分巨大，据有关报道，全世界每年至少有5%的粮食被害虫糟蹋，如果人力、物力和技术跟不上，损失可能达到20%-30%，而中国的粮库粮食损失率约为0.2%，但中国基数大，0.2%数量任然很多，因此开展针对害虫的检测研究是一件很有必要且有意义的研究课题”。而害虫的图像识别法由于可操作性强且易于实现，受到了国内外众多科学家的重视。

压缩感知理论是应用数学与信号处理领域中一个非常新的研究方向，自从2006年起有正式论文发表之后，迅速引起国内外相关领域研究者的高度重视。该理论表明当信号具有稀疏性或可压缩性时,即原始信号经过变换后仅有小部分大系数，其他变换域系数都为0或接近于0，通过采集少量的信号投影值就可实现信号准确或近似重构。压缩感知研究主要集中在信号的稀疏分解、传感矩阵、重构算法三个方面。对于稀疏方面，主要包括傅里叶变换、离散小波变换、多尺度分析、小波包“冗余字典”等。关于传感矩阵的研究，主要包括高斯矩阵、贝努利矩阵，傅里叶矩阵、哈达玛矩阵等。此外还包括确定性矩阵的构造。在信号重构方面，主要包括有三类算法：凸优化，贪婪算法，组合算法。在硬件实现上，Rice大学的Baraniuk教授等研制出单像素相机和A/I转换器，经过近六年的发展，压缩传感在理论方面已经取得了许多重要的成果，在许多实际应用方面，各国科学家也开始投身其中，压缩感知的应用包括：医学图像，语音信号处理，机器学习等等诸多方面。

目前，针对害虫的图像识别的主要研究集中在特征提取和分类器的设计上，传统的特征提取主要提取害虫的形态、纹理等特征，分类器的选择主要包括：神经网络、物元可拓法、支持向量机等分类器。尽管大量关于害虫的研究已经取得了一些效果，但仍然存在很多问题。首先，已有的害虫分类都是在害虫种类较少的情况下实现的分类，而当害虫种类增多时，识别率下降严重；其次，部分分类器对害虫进行分类时，需要对算法的参数进行优化选择，当害虫种类增加时，上述步骤需要从新设置，这就大大增加了系统的复杂性。2006年Donoho等人提出压缩感知后，在人脸识别领域引起了巨大的反响，并且在2008年，由Wright J等人提出一种系数表征人脸识别算法，它主要是建立在压缩感知及Serre提出的人类视觉系统具有对图像稀疏表示特性的基础上。该算法采用降采样的特征提取方法提取特征，运用提取到的特征构建欠定方程，再通过优化方法对欠定方程进行求解，最后通过残差计算公式计算出残差最小的项作为分类判别的标准，最终实现分类目的。稀疏表征分类器相比已有的分类器，它在害虫种类较多时，能取得更好的分类效果，同时由于不用对分类器的参数进行相关的优化设计，因此在后期对分类矩阵进行改进时，具有更大的优势。国内已有部分科学工作者将该方法运用到农业生产的分类中，例如蔡骋等人已尝试将此方法应用于杂草种子的分类中，韩安太等人尝试将此方法应用于害虫的分类中。

现有技术仅将稀疏表征分类直接的应用，重构过程缺乏理论性，无法保证解的唯一性，因此分类结果缺乏可靠性及稳定性。

发明内容

本发明的目的是提供一种害虫稀疏表征分类识别方法及分类识别装置，用于解决现有分类识别方法准确性低，稳定性、可靠性差的问题。

名词解释。约束等距性条件：即“RIP条件”，Restricted Isometry Property。训练集：模式识别中数据分为训练集和测试集，本文中的训练集指的是构造样本矩阵的包含k类害虫的所有图片。字典：指的是冗余字典（overcomplete dictionary），即本文提到的由害虫特征构成的训练样本矩阵（A和）。“稀疏性或可压缩性”指的是原始信号经过变换后仅有小部分大系数，其他变换域系数都为0或接近于0。

为实现上述目的，本发明的方法方案是：一种害虫稀疏表征分类识别方法，步骤如下：

a)对k类害虫进行编号，每类害虫序号为t，t＝1,2,…,k；

b)对包含k类害虫的所有图片进行图像预处理；

c)对预处理后的所有图片进行特征提取：提取得到样本矩阵A∈R^m×n,m＜n，A＝[A₁,A₂…,A_k]，A₁,A₂…,A_k分别与1,2,…,k类害虫对应；