[发明专利]一种基于GA-ANN特征降维与SOM特征优选的稻田杂草识别方法

摘要

本发明公开了一种基于GA‑ANN特征降维与SOM特征优选的稻田杂草识别方法，包括下述步骤：步骤一，图像采集；在不同自然条件的情况下，采集稻田杂草的图像作为样本；步骤二，图像预处理；为克服水田光照强度变化和水面反光影响杂草识别精度的问题，在RGB颜色特征分割算法的基础上，引入RGB线性加权系数对图像进行分割，获得二值化图像，然后再利用形态学算子进行后处理，分离出杂草二值图像；本发明不仅能减少数据冗余，简化计算量，而且筛选出的主要特征具有独立性、可区分性、数量少的特点，能有效应用于杂草分类识别，提高分类精度。

主权项

1.一种基于GA‑ANN特征降维与SOM特征优选的稻田杂草识别方法，其特征在于，包括下述步骤：步骤一，图像采集；在不同自然条件的情况下，采集稻田杂草的图像作为样本；步骤二，图像预处理；为克服水田光照强度变化和水面反光影响杂草识别精度的问题，在RGB颜色特征分割算法的基础上，引入RGB线性加权系数对图像进行分割，获得二值化图像，然后再利用形态学算子进行后处理，分离出杂草二值图像；其中，所述RGB线性加权系数，是为了有效抑制光照变化对分割精度的影响，改进传统固定参数颜色特征因子组合分割算子|G‑B|+|G‑R|，引入加权系数，该算子通过设置加权因子数值，可对不同光照下田间图像进行分割处理，具体如下所示：I_Gray＝ε|G‑B|+(1‑ε)|G‑R|               (1)上式中，I_Gray为像素点灰度值；R、G、B分别为像素点的红颜色、绿颜色和蓝颜色的分量值；ε为加权系数；步骤三，图像特征提取；杂草存在形状特征、纹理特征和颜色特征的不同，为区分秧苗与不同类别的杂草，则将这些不同的特征作为识别标准；从预处理后的图像中，分别提取和计算出杂草的形状特征、纹理特征和颜色特征的特征参数；其中，所述形状特征具体为：不同杂草叶片的外观存在一定的差异，在处理后的叶片上提取宽长比、伸长度和致密度共三个无量纲的几何特征，以及具有旋转、缩放和平移不变性，且常作为有效的形状特征的七个Hu不变矩，总计十个形状特征参数；纹理特征具体为：选用叶片图像四个不同方向的灰度共生矩阵，并进行归一化，求对应的对比度、能量、相关性、同质性和熵共五个纹理特征参数；颜色特征具体为：提取HSV空间的H和S分量的前三阶矩共六个特征向量作为颜色特征参数；步骤四，特征降维；将形状特征、纹理特征和颜色特征的特征参数进行遗传编码，利用ANN网络模式识别算法构造适应度函数，利用GA算法收敛的最优解对应提取优良特征参数组合，从而有效降低特征参数的复杂度；步骤五，特征优选；通过SOM对降维后的优良特征参数组合可视化处理，并进行植物类别的相关性检验，优选出相关性强的特征参数；步骤六，特征反馈；优选出相关性强的特征参数后，重复步骤三至步骤六，加强提取与杂草分类准确率有强相关性的特征参数，直至满足杂草辨识的精度要求。