[发明专利]一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法

权利要求书

1.一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法，其特征在于，包括以下步骤：

获取若干马铃薯图像；

通过多分辨率分析法分别计算马铃薯图像在不同的抽象层次中输入层与隐层之间的连接权值；

通过Adaboots算法滤选所述连接权值，获取最佳特征；

根据连接权值和最佳特征确定图像图像分类的结果。

2.根据权利要求1所述的一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法，其特征在于：

所述步骤：通过多分辨率分析法分别计算马铃薯图像在不同的抽象层次中输入层与隐层之间的连接权值，具体的包括以下步骤

将马铃薯图像分解为逼近部分和细节部分；

在新的抽象层次中，将得到的所述逼近部分分解为新逼近部分和新细节部分；

将细节部分和新细节部分定义为输入层与隐层之间的连接权值。

3.根据权利要求2所述的一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法，其特征在于：

所述步骤：通过Adaboots算法滤选所述连接权值，获取最佳特征；具体的包括以下步骤

设所述连接权值为m组训练数据，(x₁,y₁)，……(x_m，y_m)，其中

x_i(instance)∈X，y_i(classification)∈Y＝{-1，+1}

初始化D₁(i)＝1/m，D₁(i)为训练样本i的权重；

设最佳特征数量为t，当t＝1,...,T时，分类器h_i：X→[-1 1]，h为分类器；

$\begin{array}{ccc}{h}_t=\arg \underset{h_j\∈H}{\min }{\∈}_j,& where& {\∈}_j=\underset{i=1}{\overset{m}{\Σ}}{D}_t\left(i\right)\[y_i\≠h_j\left(x_i\right)\]\end{array}$

若e_j<0.5继续以下步骤，否则停止；

设第t个阀值为β_t，选择β_t∈R：ε_t为分类器h_t的加权错误率；

下一个分类器：

其中Z_t为归一化因子，令D_t+1成为分布函数；

得到最后的分类器：

得到每一类图像的最佳特征，为特征f、阈值β和极性p构成的弱分类器：

$h(X,f,\mathrm{\&beta;},p)=\left\{\begin{array}{cc}1& ifpf\left(X\right)\&lt;p\mathrm{\&beta;}\\ 0& otherwise\end{array}\right.$

4.根据权利要求3所述的一种基于多分辨率分析法和Adaboost算法的马铃薯品质分级方法，其特征在于：

所述步骤：根据连接权值和最佳特征确定图像分类的结果，具体的包括以下步骤

设图像分类的结果为H(Y)：

$H\left(Y\right)=sign\left(\underset{t=1}{\overset{T}{\&Sigma;}}{\mathrm{\&beta;}}_t{h}_t\right(x\left)\right)$

当H(Y)等于1时，确定当前马铃薯图像符合当前类别，否则确定为不符合。