[发明专利]一种基于DS多分类器融合的水稻飞虱识别方法

说明书

（一）技术领域

本发明涉及农业和模式识别技术领域，特别涉及一种基于DS多分类器融合的水稻飞虱 识别方法。

（二）背景技术

水稻是我国重要的粮食作物，水稻飞虱是我国水稻的主要害虫，不同种飞虱对水稻造 成的伤害不同，所以准确识别水稻飞虱种类是防治害虫危害的有效措施。水稻飞虱种类的 识别技术能够解决专业的种类鉴定需求日益增加与鉴定人员相对缩减之间的矛盾，有较广 阔的应用前景。传统的水稻飞虱识别方法通常只有一个分类器来进行识别，这就导致仅仅 依靠一个分类器是很难达到较高的识别率，因此提高水稻飞虱识别准确率是目前亟待解决 的问题。

（三）发明内容

本发明为了弥补现有技术的不足，提供了一种处理多角度水稻飞虱变化情况准确率较 高的基于DS多分类器融合的水稻飞虱识别方法。

本发明是通过如下技术方案实现的：

一种基于DS多分类器融合的水稻飞虱识别方法，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。

本发明的更优技术方案为：

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，所有角度都 是水稻飞虱头部与水平轴线的夹角；所述形态学开运算采用圆盘结构元素。

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。

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；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。

本发明步骤简单，操作方便，应用灵活，可处理多角度水稻飞虱变化情况，提高其 识别准确率，能够克服单一分类器的不足，适于广泛推广应用。

（四）附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明的训练分类器的操作步骤示意图；

图2为本发明测试样本类别的判别过程示意图；

图3为本发明白背飞虱的多角度图像示意图；

图4为本发明提取的白背飞虱、灰飞虱和褐飞虱的中胸背板示意图。

（五）具体实施方式

实施例：

基于DS多分类器融合的水稻飞虱识别方法，其具体方法如下：

（1）水稻飞虱图像预处理

本发明图像共有三类水稻飞虱图像，一类为白背飞虱，一类为灰飞虱，另一类是褐飞 虱。由于三类飞虱的主要区别在于背部纹理。为了保证水稻飞虱图像检测的准确性，我们需 要对水稻飞虱图像进行预处理，提取每类水稻飞虱图像的水稻飞虱中胸背板。

首先将所有应用的水稻飞虱图像调整为统一大小，转化为灰度图像并且进行中值 滤波，然后二值化，结合形态学开运算提取所有的水稻飞虱图像中胸背板。

（2）水稻飞虱图像特征提取

本发明的水稻飞虱的图像特征提取采取了Tamura纹理特征。1978年Tamura等人在心理 学研究的基础上来研究人类对纹理视觉的感知，并提出了Tamura算法。该算法的6个分量对 应着心理学上纹理特征的6种属性，其中粗糙度、对比度以及方向度这三个分量能够很好的 应用于纹理合成、图像识别等方面。所以本发明的水稻飞虱的图像特征提取采取了Tamura 纹理特征粗糙度、对比度以及方向度这三个分量。其算法如下：

A.粗糙度