基于多特征融合和稀疏表示的农业害虫图像识别方法

文献类型： 中文期刊

第一作者： 张永玲

作者： 张永玲;姜梦洲;俞佩仕;姚青;杨保军;唐健

作者机构：

关键词： 农业测报害虫;特征融合;稀疏表示;识别模型;支持向量机

期刊名称： 中国农业科学

ISSN： 0578-1752

年卷期： 2018 年 11 期

页码： 2084-2093

收录情况： 北大核心 ; CSCD

摘要： 【目的】在农业害虫测报中,常常需要从大量的昆虫中识别出几种重要的测报害虫。目前基于图像的农业害虫识别研究,大部分是在有限种类有限样本量基础上进行的农业害虫识别。本研究为了从大量的水稻昆虫图像中识别出9种水稻测报害虫,尝试提出了一种基于多特征融合和稀疏表示的农业害虫图像识别方法。【方法】首先,为了获得最优的农业害虫识别模型,将所有图像进行旋转使昆虫头朝上,按照1﹕2长宽比裁剪图像,使昆虫居中并占据图像大部分区域,将图像进行等比例缩放至统一尺寸48×96像素。提取所有昆虫的HSV颜色特征、局部特征中的HOG特征、Gabor特征和LBP特征。然后,利用单一特征和融合特征分别对训练样本构建过完备字典,字典中的每一个列向量表示一个训练样本,且满足同一类训练样本均在同一个子空间中;应用过完备字典对测试图像进行多特征稀疏表示,通过求解l1范数意义下的优化问题获取稀疏解,使得除测试样本所在的类别外其他的训练样本的系数都是零或接近零的数值。最后,计算稀疏集中指数阈值,用于判断测试样本的有效性,如果测试样本的稀疏集中指数大于该阈值,则认为最小残差所对应的类别即为测试样本的类别,否则认为该测试样本为非测报昆虫。同时,利用相同的特征和训练样本训练SVM分类器对测试样本进行测试,与稀疏表示害虫识别模型进行比较。【结果】利用单一特征训练的稀疏表示害虫识别模型中,基于HOG特征的稀疏表示识别模型获得了9种测报害虫较高的识别率和较低的误检率,分别为87.0%和7.5%;利用颜色特征分别与3种局部特征进行结合获得的稀疏表示识别模型,测试结果表明,基于颜色和HOG特征的稀疏表示识别模型获得了最高的识别率和最低的误检率,分别为90.1%和5.2%;将颜色、HOG和Gabor 3个特征结合获得的稀疏表示识别模型,识别率下降为83.5%,误检率上升为10.3%。利用同样的特征或特征融合训练得到的支持向量机分类器,识别率均低于对应特征获得的稀疏表示识别模型的识别率,而误检率均高于对应特征训练的稀疏表示害虫识别模型的误检率。【结论】基于颜色和HOG融合特征的稀疏表示识别模型获得了较高的农业害虫识别率和较低的误检率;通过稀疏集中指数阈值,有效地排除了非测报昆虫,实现了从大量的农业昆虫中自动识别出需要测报的害虫。

分类号： S433`TP391.41

  • 相关文献

[1]多核学习算法及其在高光谱图像分类中的应用研究进展. 李广洋,寇卫利,陈帮乾,代飞,强振平,吴超. 2021

[2]基于高光谱图像的小麦脱氧雪腐镰刀菌烯醇含量等级鉴别. 杜莹莹,陈小河,梁琨,徐剑宏,沈明霞,卢伟. 2016

[3]基于深度学习与复合字典的马铃薯病害识别方法. 杨森,冯全,张建华,孙伟,王关平. 2020

[4]蚜虫胁迫下棉叶光谱特征及其遥感估测. 陈兵,王克如,李少昆,竞霞,陈江鲁,苏毅. 2010

[5]基于高光谱成像技术的小麦籽粒赤霉病识别. 梁琨,杜莹莹,卢伟,王策,徐剑宏,沈明霞. 2016

[6]基于电子鼻的六堡茶"陈香"香味识别模型建立. 温立香,冯春梅,张芬,李建强,黎新荣,袁冬寅,赵媛. 2021

[7]八种鼠类头骨自动分科识别模型研究. 花慧贞,邹波,袁雄峰,王庭林,高灵旺,韩金巧,日高伸,王登,常文英,杨新根,侯玉. 2016

[8]小麦病虫害便捷识别模型和远程诊断系统. 何鹏,马罡,杨和平. 2011

[9]基于偏振光谱的叶片尺度下玉米与杂草识别研究（英文）. 林芬芳,张东彦,王秀,吴太夏,陈新福. 2016

[10]静态异速生长对布氏田鼠和棕色田鼠头骨识别模型的影响. 花慧贞,邹波,高灵旺,李强,王庭林,常文英,杨新根,侯玉,韩金巧. 2016

[11]基于深度学习的羊肚菌菌丝生长程度识别模型算法研究. 朱丹,张静,李季,海云瑞,周慧. 2025

[12]基于CNN与LSTM的烟叶烘烤阶段识别方法. 闫九福,冉茂,朱荣光,王松峰,徐小洪,杨超,张学杰,孙福山,孟令峰. 2024

[13]基于深度学习与多尺度特征融合的烤烟烟叶分级方法. 鲁梦瑶,周强,姜舒文,王聪,陈栋,陈天恩. 2022

[14]基于卷积神经网络的田间麦穗检测方法研究. 张合涛,赵春江,王传宇,郭新宇,李大壮,苟文博. 2023

[15]基于特征融合与冗余剔除的普洱茶种类电子鼻识别方法. 徐赛,张倩倩. 2020

[16]融合边特征与注意力的表格结构识别模型. 吕学强,张煜楠,韩晶,崔运鹏,李欢. 2023

[17]基于卷积神经网络深度特征融合的番茄叶片病害检测. 杜忠康,房胜,李哲,郑纪业. 2021

[18]一种基于高光谱图像的熟牛肉TVB-N含量预测方法. 田卫新,何丹丹,杨东,陆安祥. 2016

[19]无人机多光谱影像的小麦倒伏信息多特征融合检测研究. 朱文静,冯展康,戴世元,张平平,嵇文,王爱臣,魏新华. 2024

[20]改进YOLOv3的多尺度高分辨率特征增强图像目标检测. 杨文姬,李浩,王映龙,梅梦. 2023

作者其他论文 更多>>

微信小程序