[发明专利]基于椭圆傅立叶描述符和加权稀疏表示的植物识别方法

权利要求书

1.一种基于椭圆傅立叶描述符和加权稀疏表示的植物识别方法，其特征在于包括以下步骤：

步骤1：预处理叶图像：将每个彩色叶片图像转换为灰度图像，并利用Otsu分割算法将叶片图像从背景中分离，同时转换成二进值图像，用腐蚀算法消除叶图像的小孔；

步骤2：采用Canny边缘检测器进行边缘检测；

步骤3：计算边界的质心；

步骤4：计算傅立叶描述符；

步骤5：构建完备词典：将所有叶图像数据集的傅立叶描述符向量划分为训练集和测试集；完备词典由所有训练集的傅立叶描述符向量组成；

步骤6：通过加权稀疏表示分类器进行优化。

2.根据权利要求1所述的基于椭圆傅立叶描述符和加权稀疏表示的植物识别方法，其特征在于：所述步骤2的实现方法为：通过Canny边缘检测器提取每个叶片图像，每个叶片图像由N个离散点的边界表示，在起点按顺时针方向进行排序分类，将其表示为S＝{(x_i,y_i)|i＝0,1,...,N-1}。

3.根据权利要求1所述的基于椭圆傅立叶描述符和加权稀疏表示的植物识别方法，其特征在于：所述步骤3计算边界的质心的方法为：

将边界的质心表示为(c_x,c_y)，其中将原始坐标表示为(c_x,c_y)，边界点集表示为S'＝{(x′_i,y′_i)|i＝0,1,...,N-1}，其中x′_i＝x_i-c_x,y′_i＝y_i-c_y。

4.根据权利要求1所述的基于椭圆傅立叶描述符和加权稀疏表示的植物识别方法，其特征在于：所述步骤4的实现方法为：

首先采用如下公式进行叶图像边界点集的椭圆傅立叶变换：

Zk=DFT(zi)=1NΣi=0N-1ziexp(-j2πikN),(k=0,1,...,N-1)]]>

然后根据如下公式提取M个傅立叶描述符：

FDs={||Z2||||Z1||,||Z3||||Z1||,...,||ZM-1||||Z1||}]]>

其中，Z_k描述边界的频率的分量，FDs表示傅立叶描述符，该傅立叶描述符为边界的低频归一化傅立叶系数集合。

5.根据权利要求1所述的基于椭圆傅立叶描述符和加权稀疏表示的植物识别方法，其特征在于：所述步骤5的实现方法为：

通过如下公式构造WSRC的优化方程、计算样本完备词典的投影系数；

minx||Wx||1]]>

Subject to Ax＝y

其中，A∈R^m×n(m＜n)是过完备字典，y∈R^m是测试样本，x∈Rⁿ是y在A上的稀疏表示向量，W∈R^n×n是加权对角矩阵，对角元素是w₁,w₂,...,w_n，d_i是训练样本和测试样本y之间的差距；

通过如下公式计算特定子字典的重构残差：

r^c(y)＝||y-D_cx_c||²,c＝1,2,...,C

其中x_c是第c个特定子字典的投影系数，c是分类的数量；

通过下式识别测试样本y：

Label(y)＝min r^c(y)。