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，結合指數函數和反正弦函數，提出了一種新型的閾值函數模型對高頻分解系數進行去噪處理；其次，將低頻分解系數與去噪后的高頻分解系數進行重構，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，采用徑向基函數模型作為LSSVM核函數模型。試驗結果表明，對去噪后的圖像進行LSSVM識別的精度優于直接對圖像進行LSSVM、SVM識別的精度。

關鍵詞：玉米種子圖像；Contourlet變換；最小二乘支持向量機；閾值函數模型；徑向基函數模型

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方面的研究。E-mail：jianweiji7879@hotmail.com。隨著模式識別技術的發展，大量新型識別算法日趨涌現，在種子識別[1-2]、病害識別[3]、農產品成熟程度識別[4]、農田雜草識別[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，采用某種算法從農業圖像中將感興趣目標識別出來，但如果農業圖像在拍攝、傳輸等過程中受到氣候環境以及電子軟、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量以及進行玉米估產具有重要作用。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結論

為了提高玉米種子圖像的識別精度，提出了一種結合Contourlet變換的玉米種子LLSVM識別算法。試驗結果表明，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的玉米種子識別系統[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]. 江蘇農業科學，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]. 江蘇農業科學，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]. 江蘇農業科學，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]. 數據采集與處理，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，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. 轉基因作物產業化動力機制——基于動態博弈的策略分析[J]. 江蘇農業科學，2016，44（2）：446-449.