基于Contourlet變換與LSSVM的玉米種子識別算法

魏利峰+++紀建偉

摘要：基于Contourlet變換與最小二乘支持向量機（least squares support vector machine，LSSVM），提出了一種玉米種子高精度識別算法。該算法首先對玉米種子圖像進行多層Contourlet分解，結(jié)合指數(shù)函數(shù)和反正弦函數(shù)，提出了一種新型的閾值函數(shù)模型對高頻分解系數(shù)進行去噪處理；其次，將低頻分解系數(shù)與去噪后的高頻分解系數(shù)進行重構(gòu)，得到去噪后的玉米種子圖像；最后采用LSSVM對去噪后的玉米種子圖像進行識別，采用徑向基函數(shù)模型作為LSSVM核函數(shù)模型。試驗結(jié)果表明，對去噪后的圖像進行LSSVM識別的精度優(yōu)于直接對圖像進行LSSVM、SVM識別的精度。

關(guān)鍵詞：玉米種子圖像；Contourlet變換；最小二乘支持向量機；閾值函數(shù)模型；徑向基函數(shù)模型

中圖分類號： TP391.4文獻標志碼： A文章編號：1002-1302（2016）02-0444-02

收稿日期：2015-03-17

作者簡介：魏利峰（1978—），男，內(nèi)蒙古通遼人，博士研究生，講師，主要從事高光譜信息處理及模式識別等方面的研究。E-mail：weilifendoctor@126.com。

通信作者：紀建偉，教授，博士生導師，主要從事智能化檢測與自動控制技術(shù)方面的研究。E-mail：jianweiji7879@hotmail.com。隨著模式識別技術(shù)的發(fā)展，大量新型識別算法日趨涌現(xiàn)，在種子識別[1-2]、病害識別[3]、農(nóng)產(chǎn)品成熟程度識別[4]、農(nóng)田雜草識別[5]等方面得到了大量的應用，成效顯著。上述研究成果的共性在于，采用某種算法從農(nóng)業(yè)圖像中將感興趣目標識別出來，但如果農(nóng)業(yè)圖像在拍攝、傳輸?shù)冗^程中受到氣候環(huán)境以及電子軟、硬件等因素的干擾，從而存在一定程度的失真，基于該類圖像得出的識別結(jié)果的價值勢必會大打折扣。 玉米種子準確識別對于精確分析玉米種子質(zhì)量以及進行玉米估產(chǎn)具有重要作用。為了提高玉米種子的識別精度，提出了一種“先濾波、后識別”的思路，即首先采用新一代圖像多尺度分析方法——Contourlet變換[6]對玉米種子圖像進行變換域自適應閾值去噪處理，然后對去噪后的圖像采用基于最小二乘算法的支持向量機算法（LSSVM）[7]進行識別研究。

3結(jié)論

為了提高玉米種子圖像的識別精度，提出了一種結(jié)合Contourlet變換的玉米種子LLSVM識別算法。試驗結(jié)果表明，在對圖像進行預處理的基礎上進行玉米種子識別，有助于提高識別精度。

參考文獻：

[1]劉天玲，蘇琪雅，孫群，等. 基于NIR分析和模式識別技術(shù)的玉米種子識別系統(tǒng)[J]. 光譜學與光譜分析，2012，32（5）：1209-1212.

[2]王艷春，遲勝起，鄭長英. 基于一類支持向量機的黃頂菊種子識別[J]. 山東師范大學學報：自然科學版，2011，26（1）：27-29，32.

[3]劉麗娟，劉仲鵬. 基于改進 BP 算法的玉米葉部病害圖像識別研究[J]. 江蘇農(nóng)業(yè)科學，2013，41（11）：139-141，142.

[4]張亞麗. 基于顏色特征和極端學習機的番茄成熟度識別[J]. 江蘇農(nóng)業(yè)科學，2014，42（7）：411-413.

[5]王懷宇，李景麗. 基于紋理特征的玉米苗期田間雜草識別[J]. 江蘇農(nóng)業(yè)科學，2014，42（7）：143-145.

[6]丁燦，曲長文，楊儉. 基于貝葉斯估計的改進Contourlet變換的SAR圖像濾波[J]. 數(shù)據(jù)采集與處理，2013，28（6）：746-754.

[7]祝加雄，賀元驊. 基于離散小波變換和ICA支持向量機的人臉識別[J]. 電視技術(shù)，2014，38（11）：183-186.

[8]郝強，周敏，鄭紅嬋. 基于邊緣檢測和四點插值細分的SAR圖像去噪[J]. 計算機工程與應用，2012，50（11）：184-187.張月義，陳太義，宋明順，等. 轉(zhuǎn)基因作物產(chǎn)業(yè)化動力機制——基于動態(tài)博弈的策略分析[J]. 江蘇農(nóng)業(yè)科學，2016，44（2）：446-449.