[发明专利]一种基于低秩稀疏编码技术的害虫图像特征学习与识别方法

说明书

技术领域

本发明涉及图像识别处理技术领域，具体来说是一种基于低秩稀疏编码技术的害 虫图像特征学习与识别方法。

背景技术

在现代农业中，往往利用计算机视觉技术进行农作物害虫图像的识别。由于害虫 形状各异，成像环境复杂，害虫图像特征的提取尤为重要。图像视觉特征(以下简称图像特 征)是计算机视觉领域中，使机器学习、感知图像而对图像进行的一种编码技术。图像特征 分为全局特征和局部特征两种，而最常用的局部特征是尺度不变特征(Scaleinvariant featuretransform,以下简称SIFT特征)。稀疏编码是利用一组超完备基去尽可能稀疏地 表达一个向量的的编码技术，现已广泛应用于压缩感知、图像修复、人脸识别等机器学习的 各个领域，且取得了很好的效果。在学术界，对于图像数据具有稀疏结构已达成共识。由于 在图像处理领域的极大成功，稀疏编码技术成为计算机视觉领域广泛使用的技术之一。那 么，如何将SIFT特征和稀疏编码相结合利用在害虫识别领域已经成为急需解决的技术问 题。

发明内容

本发明的目的是为了解决现有技术中害虫图像难以识别的缺陷，提供一种基于低 秩稀疏编码技术的害虫图像特征学习与识别方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种基于低秩稀疏编码技术的害虫图像特征学习与识别方法，包括以下步骤：

害虫训练样本图像随机采样与分解，进行大规模害虫训练样本图像随机采样，通 过图像分割方法将图像分解成若干个超像素区域；

采集SIFT特征，在害虫图像的各个超像素区域中采集SIFT特征；

采用低秩稀疏编码技术对图像局部特征进行编码和学习；

多类分类器识别，获取需进行分类的图像，通过多类分类器对局部特征进行训练 学习，实现测试样本害虫所属类别的判定。

所述的采集SIFT特征包括以下步骤：

设每个超像素区域包括n个局部特征，其SIFT描述符组成矩阵X，则

X=[x→1,x→2,...,x→n],]]>

其中每一列是一个R^d维的向量，d代表一个局部特征点；

基于过完备字典D=[d→1,d→2,...,d→m],,]]>

对于矩阵X，则存在X＝DZ，提出以下最小化表达式：