本发明提供一种基于上下文感知字典学习的害虫图像分类方法,包括以下步骤:将已知类别的害虫图像的上下文感知信息添加到害虫图像样本库,得到若干类训练样本,构造学习函数,利用训练样本完成害虫图像过完备字典的学习;将待分类害虫图像进行预处理,得到测试样本;将测试样本进行稀疏表示维数约简处理;将经过稀疏表示维数约简后的测试样本读入稀疏表示分类器,根据通过学习得到的过完备字典,计算测试样本与各类训练样本上下文感知信息的残差;对测试样本与各类训练样本上下文感知信息的残差进行分析,判定测试样本的类别.本发明能够提高复杂场景中的害虫图像分类的精度和效率,提升传统农作物害虫诊断模式.
发明专利
CN201410337565.9
2014.07.15
CN104102922A
2014-10-15
王儒敬 谢成军 李瑞 张洁 洪沛霖 宋良图 董伟 周林立 郭书普 张立平 黄河 聂余满
中国科学院合肥物质科学研究院%安徽省农业科学院农业经济与信息研究所
G06K9/62(2006.01)I,G,G06,G06K,G06K9
G06K9/62(2006.01)I,G,G06,G06K,G06K9,G06K9/62
一种基于上下文感知字典学习的害虫图像分类方法,其特征在于,该方法包括以下步骤:(1)将已知类别的害虫图像的上下文感知信息添加到害虫图像样本库,得到若干类训练样本,构造学习函数,利用训练样本完成害虫图像过完备字典的学习;(2)将待分类害虫图像进行预处理,得到测试样本;(3)将测试样本进行稀疏表示维数约简处理;(4)将经过稀疏表示维数约简后的测试样本读入稀疏表示分类器,根据通过学习得到的过完备字典,计算测试样本与各类训练样本上下文感知信息的残差;(5)对测试样本与各类训练样本上下文感知信息的残差进行分析,判定测试样本的类别.