[发明专利]一种基于图像特征提取的树木病虫害图片分类方法

权利要求书

1.一种基于图像特征提取的树木病虫害图片分类方法，其特征在于，包括如下步骤：

步骤1：对树木病虫害图像数据进行采集和存储；

步骤2：对步骤1中的树木病虫害图像数据的病虫害类别进行人工标注；

步骤3：将步骤1采集的多张树木病虫害图像的灰度向量及其类别标注值构成原始的全量数据集；

步骤4：选取M个不同的机器学习算法,对其中的每个机器学习算法都依次执行4个步骤:通过放回抽样构造新的训练集、寻找最优参数、训练图像分类模型、使用图像分类模型为原始的全量数据集的每张图像提取1个新的数值特征；M个机器学习算法并行地执行上述流程为原始的全量数据集的每张图像提取了M个新的数值特征；所述步骤4的具体方法为：

使用M种不同的机器学习算法并行地训练图像分类模型，要求这M种机器学习算法均不是多层感知机神经网络分类模型；将这M种机器学习算法分别记为；

针对选择的M种机器学习算法中的某个特定算法:

,

为该算法构造训练集、选择最优参数、基于最优参数训练模型的流程是：

第一步，构造训练集；设定放回抽样的次数是L，初始化新的训练集为空集，循环执行抽样操作L次，每次执行抽样操作时，都从 中随机地选择一个样本，将该样本复制一份并追加到新训练集S中；L次抽样操作都执行完成后，新训练集S的样本容量为L；

第二步，选择最优参数；针对机器学习分类算法，j=1,2, …,M为其构造算法参数搜索集合W，W中的每个元素都是与算法相匹配的参数；基于W中的不同参数来训练算法，最终的分类准确率是不一样，为此需要从W中找到一个使得分类准确率最高的参数；将中的样本随机的切分成占比75%的训练集和占比25%的验证集，对于W中的每个参数，使用该参数在训练集上训练模型，在验证集上计算分类准确率，筛选出使得验证集上分类准确率最高的那个参数，将其记为；

第三步，基于最优参数训练模型；使用参数在上训练树木病虫害分类模型，得到一个病虫害类别分类函数 ，自变量x代表长度为3×H×W的灰度值向量变量,分类函数的输出值是一个代表病虫害类别的整数值；

将上述包含3个步骤的流程作用在所有的M种算法上，最终得到M个病虫害类别分类函数：

;

将N张各种类型的树木病虫害图像的灰度值向量x_i,i=1,2, …,N,输入进M个病虫害类别分类函数中，则为第 i张图像新增了M个特征：

步骤5：以图像的灰度值向量以及M个新的数值特征作为输入，以病虫害类别标注值作为输出，在原始的全量数据集上使用多层感知机神经网络算法训练最终的病虫害类别分类模型；

步骤6：对树木病虫害图像的病虫害类别进行预测；

所述步骤6的具体方法为：

对于一张新采集且病虫害类别未知的树木病虫害图像x_new，通过裁剪缩放使得其像素是H×W，裁剪缩放后的图像对应着3个H行W列的灰度矩阵R_new,G_new,B_new，将这三个矩阵依次按行展开成3个灰度值向量，每个向量的长度都是H×W，再把这三个向量拼接成一个长度为3×H×W的灰度值向量，将这个长为3×H×W的灰度值向量也记为x_new，将x_new输入M个病虫害分类函数： 中，为该图像新增了M个特征：

将x_new与M个新增的特征拼接成一个新的输入向量：

；

将输入多层感知机图像分类函数 中，则这张新采集且病虫害类别未知的树木病虫害图像的病虫害类别由下式给出：

。