[发明专利]基于图像结构纹理信息的当归药材产地识别方法

权利要求书

1.一种基于图像结构纹理信息的当归药材产地识别方法，其特征在于，它包括以下步骤：

(1)样品采集：选用不同批次不同产地的当归药材样品；

(2)图像数据采集：通过图像采集设备采集不同产地的当归高清图像，并对每张图像的产地信息进行标记；

(3)图像数据特征提取：对于样品原始的彩色图像，首先通过各像素点的RGB值得到灰度图像；设图像第i行第j列个像素点(i，j)的RGB值为R_ij，G_ij，B_ij，通过式(1)可以计算该像素点的灰度值Gray_ij；

Gary_ij＝0.3*R_ij+0.59*G_ij+0.11*B_ij (1)

通过图像中各像素点的灰度值计算像素点之间的关系；采用基于一致性的旋转不变LBP算子计算各像素点灰度关系值；计算方法如式(2)所示：

式(2)中P为像素点(i，j)的相邻像素点数目，gray_p为(i，j)第p个像素点的灰度值；公式中f的计算方法如式(3)所示；u_ij为像素点(i，j)的相邻像素点的灰度一致性参数，其计算方法如式(4)所示，由该式可知，当u_ij＝0时，(i，j)邻居像素点的灰度值均小于或均大于(i，j)灰度值；当u_ij＝2时，有连续若干个邻居像素点的灰度值大于(i，j)灰度值；当u_ij＞2时，存在不连续的邻居像素点灰度值大于(i，j)灰度值；

对图像的所有像素点均计算其灰度关系值，即可得到图像的灰度关系图；

然后通过灰度关系图得到当归图像对应的直方图，图像中像素点的灰度关系值Gary_r_ij为区间[1,10]内的整数，统计这些整数出现的概率，即可得到图像纹理分布特征；

(4)采用机器学习方法SVM建立当归产地预测模型：以图像纹理分布特征为特征向量，使用支持向量机学习样本类型，采用LibSVM软件包进行模型训练，构建当归药材预测模型；对于新测试样本，其特征值被提取后，预测模型即可判定预测结果类型。

2.根据权利要求1所述的基于图像结构纹理信息的当归药材产地识别方法，其特征在于，步骤(1)的不同产地的当归药材样品中，甘肃当归样品均来自岷县，包括岷县西寨镇、清水乡、梅川镇、麻子川乡、中寨乡、蒲麻镇和闾井乡，每个乡镇各3批样品；青海当归来自西宁市与互助县，各5批样品，云南当归样品来自鹤庆县，共5批。

3.根据权利要求1所述的基于图像结构纹理信息的当归药材产地识别方法，其特征在于，步骤(2)中，为确保当归形态细节信息的完整性，图像的数据采集采用佳能全画幅数码相机EOS 5DS R，适马广角镜头24-35mm同一条件下拍摄。

4.根据权利要求1所述的基于图像结构纹理信息的当归药材产地识别方法，其特征在于，步骤(4)中的预测模型对不同产地的当归进行图片采集，建立当归图像数据库，计算当归图像像素点之间的灰度关系，提取当归图像的纹理特征，并通过机器学习算法支持向量机对当归产地进行预测。