[发明专利]一种基于SVM分类器的竹子叶片分类识别方法

权利要求书

1.一种基于SVM分类器的竹子叶片分类识别方法，其特征在于，包括以下步骤：

(1)获取待分类识别的叶片图像，然后给图片加上转化实际长度与图像分辨率的标板，并对图像依次进行等比例缩放、灰度化、边缘检测、膨胀和腐蚀处理；

(2)提取叶片形状特征参数和颜色特征参数，将提取到的叶片参数数据输入到训练好的分类模型中进行识别；

(3)输出识别得到的竹子所属种类。

2.根据权利要求1所述基于SVM分类器的竹子叶片分类识别方法，其特征在于，所述训练好的模型的获得，包括以下步骤：

(1)获取若干个已知竹种的叶片图像；然后给图片加上转化实际长度与图像分辨率的标板，并对图像依次进行等比例缩放、灰度化、边缘检测、膨胀和腐蚀处理；

(2)提取叶片形状特征参数和颜色特征参数，以提取到的叶片特征参数为基础建立竹种数据库；

(3)将竹种数据库内的特征参数数据划分为训练集和测试集；基于SVM分类器，使用所述训练集输入SVM模型中进行训练，获得所述训练模型；使用所述测试集数据对所述训练模型进行准确度测试，当模型平均竹种识别率达到90％以上时导出训练好的分类模型。

3.根据权利要求1或2所述基于SVM分类器的竹子叶片分类识别方法，其特征在于，在对图像进行等比例压缩时，以图像长、宽中较大者缩小到1300像素以下。

4.根据权利要求1或2所述基于SVM分类器的竹子叶片分类识别方法，其特征在于，边缘检测时使用canny算子，大小阈值分别为100、50。

5.根据权利要求1或2所述基于SVM分类器的竹子叶片分类识别方法，其特征在于，先进行膨胀后进行腐蚀处理时，函数中iterations参数为1，即迭代次数为1。

6.根据权利要求2所述基于SVM分类器的竹子叶片分类识别方法，其特征在于，划分训练集和测试集时按照特征参数数量划分比例为7:3。

7.根据权利要求1或2所述基于SVM分类器的竹子叶片分类识别方法，其特征在于，提取叶片颜色特征参数并进行标准化处理：先找到边缘图中的物体所对应的轮廓线，再对轮廓线进行排列；接着创建掩模，计算区域面积的rgb值；根据公式对B、G、R值进行标准化，获得标准化后的颜色特征参数。

8.根据权利要求1或2所述基于SVM分类器的竹子叶片分类识别方法，其特征在于，形状特征参数的提取：先计算出像素值与实际长度的比值，再算出物体的实际长度和宽度；接着计算叶片的外形参数。

9.根据权利要求8所述基于SVM分类器的竹子叶片分类识别方法，其特征在于，所述外形参数为叶片的长度，叶片的宽度，最小矩形面积，叶片的面积，叶片的周长，最小外接矩形的长宽比，轮廓面积和边界矩形面积的比值。

10.根据权利要求1或2所述基于SVM分类器的竹子叶片分类识别方法，其特征在于，所述训练模型时采用辅助手段，所述辅助手段包括两种：(1)使用程序添加指定长宽纯黑标板，提高标板的准确度；(2)使用局部遍历法，选择合适的SVM参数。