[发明专利]林业业务图像自动分类方法

摘要

一种林业业务图像自动分类方法，分为训练和分类两大部分，训练部分经图像转换、在灰度图像上计算关键点集合、关键点主方向确定和特征向量生成来描述关键点、聚类和生产直方图表示图像五个步骤，分类部分经对分类图像的直方图表示、分类器分类两个步骤，最终完成。本方法根据护林员采集到的众多林业业务图像，利用这些图像数据的特点和颜色信息构建合理的视觉词汇本，将图像进行高精度的分类，分成森林火灾、非法使用林地、非法采伐、非法猎捕等七类，分别传递至各职能管理部门，实现对森林的快速、有效、及时的管理，实现森林管理的信息现代化。

主权项

1.一种林业业务图像自动分类方法，分为训练和分类两大部分，其特征是按如下步骤进行：一、训练(1)将数据库中每一幅林业业务图像从RGB颜色模型图像分别转换成HSV颜色模型图像和256级灰度图像其中i＝1，2，...，N，N为数据库中训练图像的个数；(2)在灰度图像上，采用SURF计算关键点集合KP_i(k₁，k₂，...，k_Ni)，，其中Ni表示关键点个数，关键点k_j(x，y，s)中，j＝1，2，...，Ni，x，y表示关键点的位置，s为尺度信息；(3)关键点描述：按步骤一(2)得到的SURF关键点，求对应像素点在HSV空间中的H颜色分量上的位置，然后分2步来实现这些关键点的描述：a)关键点主方向确定：在图像上，以每一个关键点为圆心，以s为尺度值计算半径为6s的邻域内的点在x、y方向的Haar小波，Haar小波边长取4s响应，并给这些响应值以关键点为中心的σ＝2s高斯窗进行加权，再将60°范围内的响应相加形成新的矢量，然后遍历整个圆形区域，选择模长最长的矢量的方向为该关键点的主方向；b)特征向量生成：在图像上，以关键点为中心，将坐标轴旋转到主方向，按照主方向选取边长为20s的正方形区域，并将该区域分成4×4的子区域，在每一个子区域内，按照5×5的大小进行采样，分别计算相对于主方向的水平和垂直方向上的Haar小波响应，记为dx和dy，同样赋予权重系数；然后对每个子区域的响应以及响应的绝对值求和，在每个子区域得到一个4维向量l＝1，...，16，则16个子区域形成一个64维的描述向量Vi=((Vi1)T,(Vi2)T...,(Vi16)T)T;]]>(4)聚类：利用Hierarchical K-means聚类算法对图像数据库中的所有训练图像所提取的特征描述向量V进行聚类，其中聚类数目K∈[3000，8000]，将这些聚类中心形成视觉词汇本；(5)生成直方图表示图像：用步骤一(4)得到的视觉词汇本表示图像数据库中的所有训练图像，即统计图像中所有关键点特征通过最近邻计算在视觉词汇本中出现的次数，最后图像的关键点在视觉词汇本出现的频率形成的直方图作为图像描述特征；二、分类(1)按步骤一(1)、(2)和(3)相同方法，得到待分类图像的所有SURF关键点的对应HSV空间中的H颜色分量，并表示成64维的特征向量，然后使用步骤一(4)获得的视觉词汇本，将该图像表示为直方图；(2)采用SVM分类器进行分类：将待分类林业业务图像的直方图和步骤一(5)得到的所有训练图像的直方图作为SVM的输入进行分类，得到的分类结果为该图像的林业业务图像的类别。