[发明专利]一种基于DS多分类器融合的水稻飞虱识别方法

权利要求书

1.一种基于DS多分类器融合的水稻飞虱识别方法，其特征为，包括如下步骤：（1）对现 有的水稻飞虱图像灰度化，再采用中值滤波进行滤波，然后对图像进行二值化，并结合形态 学开运算，提取出水稻飞虱的中胸背板图像；（2）提取水稻飞虱的中胸背板图像的Tamura纹 理特征；（3）将水稻飞虱的中胸背板图像分为两组，一组为训练集，一组为测试集；（4）根据 训练集中水稻飞虱的中胸背板图像特征提取后的特征创建神经网络分类器和支持向量机 分类器，将测试集中水稻飞虱的中胸背板图像特征提取后的特征代入已经创建的神经网络 和支持向量机分类器，最后采用DS融合的方法对结果进行融合，根据分类器融合结果判断 该水稻飞图像属于哪一类。

2.根据权利要求1所述的基于DS多分类器融合的水稻飞虱识别方法，其特征在于：步骤 （1）中，所述现有的水稻飞虱图像有三类，分别为白背飞虱、灰飞虱和褐飞虱，每类图像选取 水稻飞虱的各个角度，即0度、30度、60度、90度、120度、150度和180度。

3.根据权利要求1所述的基于DS多分类器融合的水稻飞虱识别方法，其特征在于：步骤 （1）中，所述形态学开运算采用圆盘结构元素。

4.根据权利要求1所述的基于DS多分类器融合的水稻飞虱识别方法，其特征在于：步骤 （2）中，所述Tamura纹理特征包括粗糙度、对比度和方向度特征，将上述三个特征进行归一 化处理，归一化方法采用离差标准化。

5.根据权利要求1所述的基于DS多分类器融合的水稻飞虱识别方法，其特征在于：步骤 （4）中，建立的分类器用BP神经网络，支持向量机的核函数选用径向基核函数。

6.根据权利要求1所述的基于DS多分类器融合的水稻飞虱识别方法，其特征在于：步骤 （4）中，选用DS方法对BP神经网络和支持向量机决策结果融合，在融合前对神经网络分类器 和支持向量机分类器的决策结果进行归一化，归一化方法用离差标准化，然后根据融合后 的结果进行分类判别。