[发明专利]基于稀疏表示的寄生虫虫卵识别方法

权利要求书

1.一种基于稀疏表示的寄生虫虫卵识别方法，其特征在于，包括以下步骤：

（1）建立初始字典：单类识别建立初始单类字典，多类识别建立初始联合字典；

（2）字典学习：使用K-SVD算法对字典进行学习，单类识别得到单类表示字典，多类识别得到联合表示字典和联合判别字典；

（3）处理输入图像：对输入图像进行金字塔压缩，用滑动窗口的方式对压缩图像进行分块，步长可以选择为一个或多个像素；对所有图像块进行稀疏表示，单类识别的字典采用单类表示字典，多类识别的字典采用联合表示字典；

（4）计算重建误差矩阵；

（5）获取候选图像块：利用步骤（4）中得到的重建误差矩阵，寻找其所有的局部最小值，选取其中最小的k个值所对应的图像块作为候选目标；

（6）识别候选图像块：对于单类识别情况，用阈值判别候选图像块，识别完成；对于多类识别情况，对候选图像块进行稀疏表示，使用联合判别字典，计算子字典重建误差，使用阈值方式对候选图像块进行判别与分类，识别完成。

2.根据权利要求1所述的基于稀疏表示的寄生虫虫卵识别方法，其特征在于：步骤（1）中，所述建立初始字典步骤如下：

（1）选择若干杂质较少且具有代表性的寄生虫虫卵图像样本c·n个，其中c为≥1的整数，代表类数，n代表每个类的样本数；

（2）采用高斯金字塔对c·n幅图像进行压缩，得到降维后的图像样本；

（3）以d度为间距，对上一步中得到的每幅图像旋转一周得到360/d个图像样本（包括原图），于是总样本数为N＝360·c·n/d；

（4）将上一步得到的每个二维图像数据“拉长”为一维向量，再对每个向量进行标准化处理，使每个向量满足l₂-范数为1；

（5）把上一步得到的所有标准化的向量作为字典的原子，得到初始字典，若c＝1，则得到的是单类识别的初始单类字典，若c＞1，则得到的是多类识别的初始联合字典，包含c个子字典。

3.根据权利要求1所述的基于稀疏表示的寄生虫虫卵识别方法，其特征在于：步骤（2）中，所述的使用K-SVD算法对字典进行学习，分为三种情况：

（1）针对单类寄生虫虫卵识别，用K-SVD算法对初始单类字典进行学习，得到单类表示字典，该字典同时用于初步定位与分类，字典的体积根据原子向量的维数而定；

（2）针对多类寄生虫虫卵识别，用K-SVD算法对整个初始联合字典进行学习，得到联合表示字典，该字典用于初步定位；

（3）针对多类寄生虫虫卵识别，用K-SVD算法对每个初始子字典进行学习，再将所有学习之后的子字典联合得到联合判别字典，该字典用于分类，其体积远大于联合表示字典的体积。

4.根据权利要求1所述的基于稀疏表示的寄生虫虫卵识别方法，其特征在于：步骤（3）中，所述的对所有图像块进行稀疏表示是大规模稀疏表示，即使用Batch-OMP算法求解公式（1-1）

min||x-Dθ||₂s.t.||θ||₀≤T     （1-1）

其中x为输入信号，D为步骤（2）中得到的单类表示字典或联合表示字典，θ为系数，T为稀疏性条件。