[发明专利]水稻物种图像的识别方法

说明书

本发明公开了水稻物种图像的识别方法，涉及水稻物种图像识别，包括水稻物种类别样本、待识别图像，还包括以下步骤：S1，获取来自水稻物种采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；S2，利用空间域梯度算子进行待识别图像的边缘检测；S3，在图像变换域中，利用小波进行待识别图像的边缘检测；S4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；S5，利用人工神经网络进行模式识别，将水稻物种类别样本进行离线训练，确定权值，与S4获得的特征向量进行运算，实现待识别图像的识别。本发明能够有效提取水稻物种的边缘，作为理想的特征；能够依据空间域和变换域双重检测，提高识别精度。

技术领域

本发明涉及水稻物种图像识别，具体涉及水稻物种图像的识别方法。

背景技术

由于水稻是人类的主要粮食作物，据知世界上可能超过有14万种的稻，而且科学家还在不停的研发新稻种，因此稻的品种究竟有多少，是很难估算的。有以非洲米和亚洲米作分类，不过较简明的分类是依稻谷的淀粉成份来粗分。稻米的淀粉分为直链及支链两种。支链淀粉越多，煮熟后会黏性越高。因此，构建水稻物种图像识别的数据库，能够提高水稻识别的能力，为科研做参考依据。目前水稻物种类别存在识别困难、差异性小，存在干扰时难以识别的问题。

发明内容

本发明所要解决的技术问题是目前水稻物种类别存在识别困难、差异性小，存在干扰时难以识别的问题，目的在于提供水稻物种图像的识别方法，解决上述问题。

本发明通过下述技术方案实现：

水稻物种图像的识别方法，包括水稻物种类别样本、待识别图像，还包括以下步骤：

S1，获取来自水稻物种采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；

S2，利用空间域梯度算子进行待识别图像的边缘检测；

S3，在图像变换域中，利用小波进行待识别图像的边缘检测；

S4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；

S5，利用人工神经网络进行模式识别，将水稻物种类别样本进行离线训练，确定权值，与S4获得的特征向量进行运算，实现待识别图像的识别。

进一步地，所述S1中的分解域变换采用小波多尺度分解域变换。

进一步地，所述S2中的梯度算子采用高斯拉普拉斯算子。

进一步地，所述S3中的边缘检测结果采用链表进行记录。

进一步地，所述S4中的特征向量采用统计特征。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明水稻物种图像的识别方法，能够有效提取水稻物种的边缘，作为理想的特征；

2、本发明水稻物种图像的识别方法，能够依据空间域和变换域双重检测，提高识别精度。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明水稻物种图像的识别方法，包括水稻物种类别样本、待识别图像，还包括以下步骤：

S1，获取来自水稻物种采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；

S2，利用空间域梯度算子进行待识别图像的边缘检测；