[发明专利]基于全自动支持向量机的武夷岩茶叶片图像分类方法

说明书

本发明属于图像分类技术领域，尤其涉及基于全自动支持向量机的武夷岩茶叶片图像分类方法。基于全自动支持向量机的武夷岩茶叶片图像分类方法，包括：对武夷岩茶鲜茶叶叶片图像进行预处理；提取武夷岩茶鲜茶叶叶片图像的形状特征和纹理特征；利用提取的武夷岩茶鲜茶叶叶片图像的形状特征和纹理特征，对全自动支持向量机分类器进行设计；通过全自动支持向量机分类器对武夷岩茶鲜茶叶叶片图像进行分类。本发明采用改进的RBF核函数参数自动选择方法选择最优的RBF核函数参数，基于最优的RBF核函数参数，设计支持向量机的最佳惩罚参数C，获得了较好的图像分类效果。

技术领域

本发明属于图像分类技术领域，尤其涉及基于全自动支持向量机的武夷岩茶叶片图像分类方法。

背景技术

武夷岩茶是中国传统名茶，品种资源极为丰富，依据武夷岩茶国家标准(GB/18745—2006)，通常将武夷岩茶分为五大系列：大红袍、肉桂、水仙、奇种和名丛系列。如何快速、客观地识别武夷岩茶鲜茶叶叶片，进而识别茶树品种，对保护和开发利用武夷岩茶资源具有非常重要的意义。

识别武夷岩茶鲜茶叶品种的传统方法有两种，第一种方法是专家进行感官评定，第二种方法是采用化学成分分析。前者主观性强，受到评定专家经验限制，缺乏客观评价标准。后者依据化学成分指标进行鉴别，虽准确度较高，但步骤繁琐，难以快速识别。因此需要寻求一种能够快速、客观地辨别武夷岩茶茶树品种的方法。最简单有效的方法就是通过识别武夷岩茶鲜茶叶叶片图像，进而识别茶树品种。

以往研究鲜茶叶图像识别的文献不多，以往的研究工作大多没有探讨应该提取和选择哪些特征对提高茶叶叶片图像的识别率有更重要的意义。并不是对茶叶叶片图像提取越多的特征，所获得的叶片图像分类效果就越好。有一部分特征的加入，不但使得分类效率降低，同时还使得整体识别率下降。

发明内容

针对上述的研究武夷岩茶鲜茶叶叶片图像识别方面存在的问题，本发明提出了基于全自动支持向量机的武夷岩茶叶片图像分类方法，采用武夷岩茶鲜茶叶叶片图像的狭长度、圆形度、矩形度以及矩向量作为武夷岩茶鲜茶叶叶片图像的形状特征；采用灰度共生矩阵法表示武夷岩茶鲜茶叶叶片图像的纹理特征，获得了较好的图像分类效果。

为了实现上述目的，本发明采用以下技术方案：

基于全自动支持向量机的武夷岩茶叶片图像分类方法，包括以下步骤：

步骤1：对武夷岩茶鲜茶叶叶片图像进行预处理：去除拍摄过程中由光照和阴影导致的噪声和边缘模糊问题；将所述图像转换为灰度图，以提取武夷岩茶鲜茶叶叶片图像的纹理特征；将灰度图经过阈值分割、形态学处理得到二值图像，以提取武夷岩茶鲜茶叶叶片图像的形状特征；

步骤2：提取武夷岩茶鲜茶叶叶片图像的形状特征和纹理特征，采用武夷岩茶鲜茶叶叶片图像的狭长度、圆形度、矩形度以及矩向量作为武夷岩茶鲜茶叶叶片图像的形状特征，采用灰度共生矩阵法表示武夷岩茶鲜茶叶叶片图像的纹理特征；

步骤3：利用提取的武夷岩茶鲜茶叶叶片图像的形状特征和纹理特征，对全自动支持向量机分类器进行设计，包括：

步骤3.1：采用改进的RBF核函数参数自动选择方法选择最优的RBF核函数参数σ，用于对武夷岩茶鲜茶叶叶片图像进行分类识别；

步骤3.2：基于最优的RBF核函数参数σ，设计支持向量机的最佳惩罚参数C：首先在粗网格下，初步估计最佳惩罚参数的范围；然后利用细网格，找出在交叉验证法下，各网格值的建议次数；最后将所述建议次数当作各网格值的加权权重进行加权，从而得到最佳的惩罚参数C；

步骤4：通过全自动支持向量机分类器对武夷岩茶鲜茶叶叶片图像进行分类。

进一步地，所述改进的RBF核函数参数自动选择方法为：