小波域马铃薯典型虫害图像特征选择与识别

《小波域马铃薯典型虫害图像特征选择与识别》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、２０１７年９月农业机械学报第４８卷第９期ｄｏｉ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１７．０９．００３小波域马铃薯典型虫害图像特征选择与识别肖志云刘洪（内蒙古工业大学电力学院，呼和浩特０１００８０）摘要：为准确、快速地识别马铃薯典型虫害，提出了一种基于小波域的马铃薯典型虫害特征提取与识别方法。该方法以自然环境下的马铃薯虫害分割图像为对象，提取小波域高斯空间模型的高频协方差阵特征值与低频低阶矩（ＨＥＬＭ）的１２个不变纹理特征、空间域Ｈｕ不变矩的４个形状特征，进行支持向量机（ＳＶＭ）的虫害分类识别。通过对８类典型虫害的识别，试验结果表明：在ＳＶＭ识别

2、方法下，本文ＨＥＬＭ特征提取方法，相比传统纹理特征提取方法，在特征计算量不增加的同时，平均识别率至少提高了１７个百分点；在ＨＥＬＭ特征与Ｈｕ矩特征下，本文ＳＶＭ的运行时间为０４８１ｓ，比人工神经网络快了近２ｓ，平均识别率为９７５％，比人工神经网络、贝叶斯分类器识别率提高了至少６个百分点，有明显的识别优势。关键词：马铃薯虫害；小波域；高斯空间模型；特征选择；图像识别；支持向量机中图分类号：ＴＰ３９１４１文献标识码：Ａ文章编号：１０００１２９８（２０１７）０９００２４０８ＦｅａｔｕｒｅｓＳｅｌｅｃｔｉｏｎａｎｄＲｅｃｏｇｎｉｔｉｏｎｏｆＰｏｔａｔｏＴｙｐｉ

3、ｃａｌＩｎｓｅｃｔＰｅｓｔＩｍａｇｅｓｉｎＷａｖｅｌｅｔＤｏｍａｉｎＸＩＡＯＺｈｉｙｕｎＬＩＵＨｏｎｇ（ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒ，ＩｎｎｅｒＭｏｎｇｏｌｉａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｕｈｈｏｔ０１００８０，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｒｅｃｏｇｎｉｚｅｐｏｔａｔｏｔｙｐｉｃａｌｉｎｓｅｃｔｐｅｓｔｓａｃｃｕｒａｔｅｌｙａｎｄｑｕｉｃｋｌｙ，ａｎｅｗｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｗａｖｅｌｅｔａｎｄｓｐａｃｅｄｏｍａｉｎｗａｓｐｒｏｐｏｓｅｄ．Ｔｈ

4、ｅｐｒｏｃｅｓｓｉｎｇｏｂｊｅｃｔｉｎｔｈｅｍｅｔｈｏｄｗａｓｔｈｅｓｅｇｍｅｎｔｅｄｉｍａｇｅｏｆｉｎｓｅｃｔｐｅｓｔｓｓｅｐａｒａｔｅｄｆｒｏｍｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄｂｙｔｈｅｔｗｏｄｉｍｅｎｓｉｏｎａｌＯｔｓｕｍｅｔｈｏｄａｎｄｍｏｒｐｈｏｌｏｇｉｃａｌｍｅｔｈｏｄ．Ａｉｍｉｎｇａｔｔｈｅｐｒｏｃｅｓｓｉｎｇｏｂｊｅｃｔ，ｔｏｔａｌｌｙ１２ｉｎｖａｒｉａｎｔｔｅｘｔｕｒｅｆｅａｔｕｒｅｓｏｆｈｉｇｈｆｒｅｑｕｅｎｃｙｃｏｖａｒｉａｎｃｅｍａｔｒｉｘｅｉｇｅｎｖａｌｕｅｓａｎｄｌｏｗｆｒｅｑｕｅｎｃｙｌｏｗｅｒｏｒｄｅｒｍｏｍｅｎｔｓ（ＨＥＬＭ）

5、ｗｅｒｅｅｘｔｒａｃｔｅｄｆｒｏｍｔｈｅｈｉｇｈｆｒｅｑｕｅｎｃｙｉｍａｇｅｓｉｎｔｈｅｈｏｒｉｚｏｎｔａｌ，ｖｅｒｔｉｃａｌａｎｄｄｉａｇｏｎａｌｄｉｒｅｃｔｉｏｎｓ，ｆｏｒｍｉｎｇａＧａｕｓｓｉａｎｓｐａｃｅｍｏｄｅｌ，ａｎｄｆｒｏｍｌｏｗｆｒｅｑｕｅｎｃｙｉｍａｇｅｄｅｃｏｍｐｏｓｅｄｂｙｓｙｍ８ｗａｖｅｌｅｔｆｕｎｃｔｉｏｎ．Ｍｅａｎｗｈｉｌｅ，４Ｈｕｍｏｍｅｎｔｓｗｉｔｈｉｎｖａｒｉａｎｔｓｈａｐｅｆｅａｔｕｒｅｓｗｅｒｅｅｘｔｒａｃｔｅｄｆｒｏｍｔｈｅｂｉｎａｒｙｉｍａｇｅｏｆｔｈｅｐｒｏｃｅｓｓｉｎｇｏｂｊｅｃｔ．Ａｓｔｈｕｓ，１６ｐｅｓｔｆｅａｔｕ

6、ｒｅｓｗｅｒｅｐｕｔｉｎｔｏｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ），ａｎｄｔｈｅｒｅｓｕｌｔｓｏｆｉｎｓｅｃｔｐｅｓｔｃｌａｓｓｉｆｉｃａｔｉｏｎｃｏｕｌｄｂｅｏｂｔａｉｎｅｄ．ＦｏｒＳＶＭｃｌａｓｓｉｆｉｅｒ，ｔｈｅＯｎｅｖｓＯｎｅｖｏｔｉｎｇｓｔｒａｔｅｇｙｗａｓａｄｏｐｔｅｄ，ａｎｄｔｈｅｐａｒａｍｅｔｅｒｓ，ｉｎｃｌｕｄｉｎｇｒａｄｉａｌｂａｓｉｓｋｅｒｎｅｌｆｕｎｃｔｉｏｎｐａｒａｍｅｔｅｒ，ｅｒｒｏｒｃｏｓｔｃｏｅｆｆｉｃｉｅｎｔａｎｄｒｅｌａｘａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｗｅｒｅｓｅｔｔｏ００１２５，６０ａｎｄ０００１，ｒｅｓ

7、ｐｅｃｔｉｖｅｌｙ．Ｂｙｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆ８ｋｉｎｄｓｏｆｐｅｓｔｓ，ｏｎｔｈｅｏｎｅｈａｎｄ，ｕｓｉｎｇｔｈｅｓａｍｅＳＶＭｍｅｔｈｏｄ，ｔｈｅｔｅｓｔｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｐｒｏｐｏｓｅｄＨＥＬＭｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ．Ｔｅｘｔｕｒｅｆｅａｔｕｒｅｓｉｎｗａｖｅｌｅｔｄｏｍａｉｎｗｅｒｅｔｒａｄｉｔｉｏｎａｌｌｙｒｅｌａｔｅｄｔｏｓｉｎｇｌｅｓｃａｌｅｌｏｗｆｒｅｑｕｅｎｃｙｌｏｗｅｒｏｒｄｅｒｍｏｍｅｎｔｓ（ＳＬＭ），ｉｎｃｌｕｄｉｎｇｔｈｅｍｅａｎ，ｖａｒｉａｎｃｅａｎｄｔｈｅｔｈｉｒ

8、ｄｏｒｄｅ