[发明专利]一种草地土壤退化评价方法

权利要求书

1.一种草地土壤退化评价方法，其特征在于，所述草地土壤退化评价方法包括：

评价目标的选择和完善识别的自动化：所述评价目标的善识别的自动化中，通过监控视频显示单元的地质影像采集器获取草地土壤退化地质层的图像；通过监控视频显示单元内置的模糊度评价模块获取地质影像采集器传输的草地土壤退化地质层的图像，并计算滤波前后图像统计信息比值；通过监控视频显示单元内置的模糊度调整模块与模糊度评价模块相连，调整原图像模糊度得出最终图像和图像模糊度评价指标；利用模糊度评价模块、模糊度调整模块对图像模糊度评价方法包括：

步骤一，图像获取，通过地质影像采集器获取待评价的草地土壤退化地质层图像；

步骤二，图像灰度化，为方便图像的边缘提取，利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：

Gray＝R*0.3+G*0.59+B*0.11；

步骤三，图像边缘提取，利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：

E(i,j)＝|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|；

步骤四，图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：

19×111111111;]]>

步骤五，图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下：

sum_orig=w1×(|F(i,j)-F(i-1,j)|+|F(i,j)-F(i,j-1)|+|F(i,j)-F(i,j+1)|+|F(i,j)-F(i+1,j)|)+w2×(|F(i,j)-F(i-1,j-1)|+|F(i,j)-F(i-1,j+1)|+|F(i,j)-F(i+1,j-1)|+|F(i,j)-F(i+1,j+1)|),]]>

sum_filter=w1×(|F2(i,j)-F2(i-1,j)|+|F2(i,j)-F2(i,j-1)|+|F2(i,j)-F2(i,j+1)|+|F2(i,j)-F2(i+1,j)|)+w2×(|F2(i,j)-F2(i-1,j-1)|+|F2(i,j)-F2(i-1,j+1)|+|F2(i,j)-F2(i+1,j-1)|+|F2(i,j)-F2(i+1,j+1)|),]]>

其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；

步骤六，图像模糊度指标计算，将步骤五得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间；

步骤七，根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max],具体为：

得出模糊度调整范围，利用上述步骤中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot(value,DMOS)建立评价值value与DMOS之间的映射关系，根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min，max]；

步骤八，图像模糊度调整，若图像模糊度指标小于min，根据步骤六，判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；

步骤九，得出最终图像和该图像模糊度评价指标；

目标地原始数据的输入：目标地原始数据通过监控视频显示单元内置的信号采集模块接收得出的最终图像模糊度评价指标信息；信号采集模块在接收中，

首先，用信号采集模块镶嵌的感知设备在独立的采样周期内对目标信号x(t)进行采集，并用A/D方式对信号进行数字量化；然后，对量化后的信号x(i)进行降维；最后，对降维后的信号进行重构；其中t为采样时刻，i为量化后的信号排序；

对量化后的信号进行降维，具体是对量化后的信号通过有限脉冲响应滤波器的差分方程其中h(0),…,h(L-1)为滤波器系数，设计基于滤波的压缩感知信号采集框架，构造如下托普利兹测量矩阵：

则观测其中b₁,…,b_L看作滤波器系数；子矩阵Φ_FT的奇异值是格拉姆矩阵G(Φ_F,T)＝Φ′_FTΦ_FT特征值的算术根，验证G(ΦF,T)的所有特征值λi∈(1-δ_K,1+δ_K),i＝1,…,T，则Φ_F满足RIP，并通过求解最优化问题来重构原信号；即通过线性规划方法来重构原信号，亦即BP算法；

针对实际压缩信号，如图像信号的采集，则修改Φ_F为如下形式：

如果信号在变换基矩阵Ψ上具有稀疏性，则通过求解最优化问题，精确重构出原信号；其中Φ与Ψ不相关，Ξ称为CS矩阵；

目标地原始数据的部分评价；

目标地基本特性的评价：目标地基本特性的评价中，通过监控视频显示单元内置的目标地基本特性的评价模块使用频数统计法，对被评价的各项指标按评价集对草地土壤退化危险程度进行评级，得到因素集的隶属度；目标地基本特性的评价模块进行确定评判隶属矩阵：

由得到第k个因素集的相对隶属度矩阵：

Rk=rk11...rk1n......rkm1...rkmn]]>

其中：

式中：R_k—第k个因素集的相对隶属度矩阵；

r_kij—第k个因素集的第i个因素属于评价集中的j的隶属度；

p_kij—组成员对第k个因素集的第i个因素指标评级为j的频数；

构造模糊评判矩阵：

由各指标的权向量和矩阵R可构造模糊评判矩阵B，

B=W‾·R]]>

计算综合评判结果：

由模糊评判矩阵B和评价集的参数列向量，可求得综合评判结果Z；

Z＝B·V

由上式可得到模糊综合评价的结果，再根据评价等级规定，评定在草地土壤退化上多因素失效危险性大小；并通过监控视频显示单元的显示器显示；

均匀性目标地的评价；

杂性目标地的评价：通过监控视频显示单元内置的杂性目标地的评价处理模块获取信号，并通过杂性目标地的评价处理模块镶嵌的传感器采集数据并对信号进行放大处理后进行评价；接着从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数，通过相邻段信号的4个参数值的差值判断是否有疑似异常的情况发生；若有则往下执行小波包去噪，否者，跳到执获取信号步骤；再利用改进小波包算法对采集的信号进行去噪；再利用改进小波包算法对采集的信号进行小波包分解与重构，得到单子带重构信号；从重构的单子带信号里提取：时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数；利用主成分分析方法，从上述参数中选择3到8个能明显表示杂性目标地的特征的参数组成特征向量，并将这些特征向量输入到支持向量机进行决策判断，根据支持向量机的输出判断是否有异常发生。