[发明专利]小麦矮腥黑穗病TCK及其近似种TCT的冬孢子图像鉴定方法

权利要求书

1.小麦矮腥黑穗病TCK及其近似种TCT的冬孢子图像鉴定方法，其特征在于，包括以下步骤：

1）构建稀疏字典

1.1）小麦矮腥黑穗病害冬孢子图像采集，获取的图像可以包含多个冬孢子，但各孢子区域不可互相粘连；

1.2）训练样本图像制作

采用中值滤波过滤图像噪声，并采用图像分割、图像标记提取冬孢子区域，使得每幅样本图像仅包含一个冬孢子；

1.3）稀疏字典的构成

设鉴定目标有n=2类，即TCK与TCT，每类有m个训练样本，用Ai=f1if2i...fmi]]>表示所有属于第i类的训练样本数据，i=1,2，它的m个列向量构成一个空间，反映第i类，则2个目标类的所有训练样本组成的稀疏字典矩阵如下：

Α＝[Α¹ Α²]

式中，A的行数为描述样本的特征参数个数，列数为训练样本总数；

当稀疏字典构成后，除非增加字典的容量，否则后续的每次鉴定不需再重新生成或更改；

2）矮腥黑穗病害图像鉴定

2.1）采集待鉴定矮腥黑穗病害冬孢子图像，获取的图像可以包含多个冬孢子，但各孢子区域不可互相粘连；

2.2）制作待鉴定病害的样本图像，每幅待鉴定的样本图像仅包含一个冬孢子；

2.3）提取冬孢子区域特征参数

提取小麦矮腥黑病害图像冬孢子区域的特征参数作为分类的依据，其中，所述特征参数与稀疏字典的特征参数相同；

2.4）基于稀疏表示方法的病害类型鉴定

设待鉴定样本图像的特征数据构成测试样本的向量y，则该向量可表示如下：

y＝Ax

式中，x为列向量，x=x11...xm1x12...xm2′,]]>元素表示在稀疏字典中第i类第j个训练样本上的投影系数，通过l₁最小化范数来求解x，如下式所示：

x^=argmin||x||1]]>满足||Ax-y||₂＜＜ε

式中，为x的近似解，ε为误差阈值；

在实际识别时，用正交匹配追踪算法来求解l₁最小化范数，通过残差逼近算法与设计的分类器来判别y的所属类别，所述残差逼近算法如下式所示：

miniri(y)=mini(||y-Aδi(x^)||2)]]>

式中，r_i(y)为用第i类训练样本重建y的残差，是一个新向量，它的非零元素仅是与第i类相关的成分，用近似y，与y距离越小，属于第i类的可靠性越高；

稀疏表示法根据测试样本在每个训练样本上的投影系数进行识别，如下：

首先，输入训练稀疏字典的样本矩阵A，识别对象特征值向量y，稀疏度K；然后初始化残差r₀＝y，样本索引集Λ₀＝[]，t=1；最后执行以下过程：

2.4.1）找出残差r和训练样本矩阵的列φ_j内积中最大值所对应的脚标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}，记录找到的训练样本矩阵中的重建原子集，即

Φt=[Φt-1,φλt]]]>

2.4.3）求出x^t=arg min||y-Φtx^||2;]]>

2.4.4）更新残差rt=y-Φtx^,t=t+1;]]>

2.4.5）若t>K，则停止迭代，执行下面步骤2.4.6）；若不满足，则循环执行步骤2.4.1）至2.4.5）；

2.4.6）采用分类器鉴定病害类别，首先统计稀疏表示中的非0系数，计算出测试样本y在每一类训练原子的投影系数和s，再求出投影系数和s中的最大值，最后，把该最大值所对应的类作为最终的分类结果；

3）输出鉴定结果，至此便完成矮腥黑穗病害鉴定。