[发明专利]一种基于小波变换和SVM分类的土壤土质识别方法

权利要求书

1.一种基于小波变换和SVM分类的土壤土质识别方法，其特征在于，它包括以下步骤：

步骤一：对每幅包含512*512个像素的土壤可见光图像，取40个256*256个像素的子图像，其中20个子图像作为训练样本，剩下的20个图像作为测试样本；

步骤二：对每幅子图像做2层正交小波变换，就可以得到2*3+1＝7个分层子图像；

步骤三：对每个分层子图像做能量计算，取每个分层子图像的能量值作为该分层子图像的特征值，从而每幅子图像可以得到一个7维的特征向量；

具体为：对每个经过小波变换得到的分层子图像作能量计算，用来作为特征值，取信息熵作为能量：

e=-Σi,j|P(i,j)|log|P(i,j)|]]>

P(i,j)由下式可得

P(i,j)=[C(i-1,j-1)C(i,j)+C(i,j)C(i+1,j+1)]/2Σi,j[C(i-1)C(i,j)+C(i,j)C(i+1,j+1)]2/4]]>

其中C(i,j)表示图像在(i,j)处的灰度值；

步骤四：基于砂土、壤土、粘土三类土壤土质，对支持向量机SVM进行训练，输入训练样本，构造3个2类SVM分类器，每个类对应其中的一个，使得第k个2类分类器所构造的分类超平面能够把第k类与其他的k-1类分割开；

步骤五：输入测试样本，对测试数据计算对应于各个分类器的决策函数值并选择最大值所对应的类别作为测试样本所属的类别。

2.根据权利要求1所述的一种基于小波变换和SVM分类的土壤土质识别方法，其特征在于，在步骤五中，将步骤一得到的20个测试样本子图像输入支持向量机SVM，根据步骤四中的判别函数计算出测试样本在各个类别中对应的判别函数值，选择其中的最大值所对应的类别作为该测试样本所述的类别，直到所有的20个测试样本都分类完成。