[发明专利]一种基于形态学多特征融合的害虫图像分类方法及系统

说明书

技术领域

本发明涉及智能农业以及模式识别技术领域，尤其是一种基于形态学多特征融合的害虫图像分类方法及系统。

背景技术

害虫是农作物生长的大敌，在农作物整个生长期内都有发生，可造成农作物的大量减产。现行的害虫分类、识别工作主要依靠少数植保专家和农技人员来完成，然而害虫种类繁多，每一位植保专家穷其所能也只能识别部分害虫。越来越多的迹象表明，对害虫识别需求的增多与害虫识别专家的相对较少的矛盾已日益加剧，自动害虫图像的识别具有非常重要的意义，然而自动害虫图像的识别方法识别率低，鲁棒性较差，只存在实验阶段，寻求一种识别率高、鲁棒性强的害虫识别方法具有非常重要的意义。

发明内容

本发明的首要目的在于提供一种能够实现害虫图像的自动识别，且识别率高、鲁棒性强的基于形态学多特征融合的害虫图像分类方法。

为实现上述目的，本发明采用了以下技术方案：一种基于形态学多特征融合的害虫图像分类方法，该方法包括下列顺序的步骤：

(1)训练过程：对训练图像集的数据进行图像分割，对经分割后的训练图像进行预处理，提取训练图像的形态学特征，经过多形态特征融合，得到训练图像特征矩阵；

(2)测试过程：输入待识别的测试图像，对测试图像进行图像分割、预处理，提取测试图像的形态学特征，经过多形态特征融合，得到测试图像特征矩阵；

(3)识别害虫种类：计算测试图像特征矩阵与训练图像特征矩阵的相似度，找出相似度最高的类别，根据相似度得到害虫种类与防治方法。

在训练过程中，对训练集中所有图像运用GrabCut方法进行图像分割，其主要步骤如下：

(1)定义背景集T_F为矩形框外部分，前景集T_O＝φ，未知区域，令T_U中像素n的属性α_n＝1，其余像素α_n＝0，对α_n＝1和α_n＝0两类像素分别统计GMM；

(2)为T_U中像素n估计所在的GMM部件：

kn=argminknDn(αn,kn,θ,zn)]]>

(3)获得GMM参数θ：

θ=argminθ(α,k,θ,z)]]>

(4)最小切割方法估计分割：