基于颜色特征和支持向量机的黄瓜叶部病害识别
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中 图分 类号 ：Ｔ Ｐ ３ ９ １ ． ４ １ 文 献 标 识 码 ：Ａ 文 章 编 号 ：１ ０ ０ ３ — １ ８ ８ Ｘ（ ２ ０ １ ４） ０ １ — ０ ０ ７ ３ － ０ ３
０ 引 言
黄 瓜 病斑 颜 色是 黄 瓜 病 害 的 重 要 特 征 之 一 ， 正 确 识 别 黄瓜 病 斑 颜 色 是 正 确 识 别 黄 瓜 病 害 的 基 础 。利 用数 字 图像 处 理 和 模 式 识 别 技 术 对 作 物 病 害 进 行 识 别， 是作 物 病 害诊 断 的 基 础 … 。 当前 模 式 识 别 主要 方 法是 采 用 人工 神 经 网络 的方 法 ， 但 该 方 法 存 在 一 些 困 难， 如 如何 确 定 网 络 结 构 的 问题 、 过 学 习 和 欠 学 习 的
差 的 问 题 等 。 这 些 问题 影 响 了 对 病 害 的 正 确 识 别 。 支持 向量 机 （ Ｓ ｕ ｐ ｐ ｏ ￣Ｖ ｅ ｃ ｔ ｏ ｒ Ｍａ ｃ ｈ ｉ ｎ ｅ ， Ｓ Ｖ Ｍ） 是 一 种 新 的模 式 识 别 技 术 ， 它 以结构 风 险最小 化 （ Ｓ Ｒ Ｍ） 为 原
问题 、 陷 入 局 部 极 小 点 的 问题 、 对 新 鲜 样 本 泛 化 能 力
分 类 面发 展 而 来 ， 主 要 思 想 可 以概 括 为 ： 寻 找 能 够 成 功 分 开两 类 样 本 并 具 有 最 大 分 类 间 隔 的最 优 分 类 超
平 面 。分 类 问题 大 致 可 以分 为 ３类 ： 线性 可分 问题 、 近似 线性 可 分 问题 和线 性 不 可分 问题 。
如果 找 不 到一 个 线 性 函数 可 以将 两 类 样 本 分 开 ，
就 称这 些 样 本 为 线 性 不 可 分 。解 决 线 性 不 可 分 问题
种新 的模 式 识 别 方 法 ， 它 以结 构 化 风 险 最 小 化 为 原 则， 即兼 顾 训 练 误 差 （ 经验风险 ） 与测试误差 （ 期 望 风 险） 的最 小 化 。支 持 向量 机 从 线 性 可 分 问题 中 的最 优
率。
） ＝ ｓ ｇ ｎ （ ∑ｏ ｙ ｉ Ｋ （ ｘ ・ ） ＋ ｂ ） （ １ ）
ｉ＝ １
式中
０ ～拉格朗 日乘数 ；
ｂ 一 分 类 阈值 。
１ 支 持 向量 机
支持 向量 机是 在 统计 学 习 理论 的基 础 上 提 出 的一
１ ． ２ 线 性不 可 分 问题
叶部 病 害 识别 中 。首 先 ， 选择 Ｈ Ｓ Ｉ 颜 色系 统 作 为 图 像 特 征 提 取 的颜 色 空 问 ， 以减 少 光 照 强 度 对 获 取 图 像 时 的 影
响； 然后 ， 利 用 支 持 向量 机 进 行 叶 部病 害 的识 别 。不 同核 函数 的结 果 比较 分 析 表 明 ： 径 向基 核 函数 对 黄 瓜 叶部 病 害 的识 别 率最 高 ， 最 适 于 黄 瓜 霜霉 病 、 角斑 病 和 白粉病 的分 类识 别 ； 支 持 向量 机识 别 方 法 在 病 害 识 别 时 训 练 样 本 少， 具 有 很 好 的分 类 性 能 和 泛 化 能力 。 关 键 词 ：图像 处 理 ；模 式 识 别 ；支 持 向量 机 ；黄 瓜病 害 ；颜 色特 征
１ ． １ 近似 线性 可 分 问题
如 果用 一 个线 性 函数 可 以将 两 类 样 本 完 全 分 开 ， 就 称 这些 样 本 为 线 性 可 分 。 如 果 用 一 个 线 性 函 数 可 以将 两类 样本 大 体 上 正 确 分 开 ， 就 称 这 些 样 本 为 近 似
线 性 可分 。对 于近似 线 性 可分 的训 练 样 本 集 （ ， Ｙ ｉ ） ，
２ ０ １ ４年 １月
农 机 化 研 究
第 １期
ห้องสมุดไป่ตู้
基 于 颜 色 特 征 和 支 持 向 量 机 的 黄 瓜 叶 部 病 害 识 别
李 旺 ，唐 少先 ，陈 荣
４ １ ０ １ ２ ８ ）
（ 湖 南 农 业 大学 信 息 科 学技 术 学 院 ，长 沙 摘
要 ：针 对 黄 瓜 常 见 叶部 病 斑 图像 的颜 色 特 点 ， 提 出 了将 支 持 向量 机 （ Ｓ ｕ ｐ ｐ ｏ ￣Ｖ ｅ ｃ ｔ ｏ ｒ Ｍａ ｃ ｈ ｉ ｎ ｅ ， Ｓ Ｖ Ｍ） 应 用 于黄 瓜
则， 兼顾 训 练误差 和测 试误 差 ， 在解 决小 样本 、 高 维
数、 非线 性 以及局 部 极 小 值 等 模 式 识 别 问题 中表 现 出
许 多特 有 的优 势 ， 正 在 成 为 模 式 识 别 技 术 领 域 中新 的
研究 热 点 Ｊ 。本 文 的 主 要 工 作 就 是 寻 找 适 于 黄 瓜 病 害识 别 的最 优 核 函数 ， 采用 Ｓ Ｖ Ｍ 方 法 达 到较 高 的识 别
收 稿 日期 ：２ ０ １ ３ — ０ １ 一 Ｏ ９
的基本 思 想 ： 首先 通 过 非 线 性 变 换将 低 维 空 间 的 线 性 不 可分 问题 变 换 到 高 维 空 间 的线 性 可 分 或 近 似 线 性 可分 问题 ， 然后 在 这个 新 变换 的空 间 中求 取 （ 广义 ） 最 优分 类 面 ； 而 这种 空 间 变 换 就是 通 过 不 同 的核 函数 实 现的Ｅ ４ １ 。Ｓ Ｖ Ｍ 方 法 中常用 的 ４种 核 函数 ： １ ） 线 性 核 函数 （ Ｌ ｉ ｎ ｅ ａ ｒ ） 。有
可 用 一个 线 性 函数 （ 如二维 空间 中的直线 ， 三 维 空 间
中的平面或更高维空间 中的超平面 ） 分开 。分类间隔
越大 ， 则推 广 能力 越 好 。使 分类 间 隔最 大 的分类 （ 线） 面 为最 优 分类 （ 线） 面 。应 用 二 次 规 划 方 法 可得 到 如 下 最优 分 类 函数 为
Ｋ（ ， Ｙ ） ＝ ・ Ｙ
０ 引 言
黄 瓜 病斑 颜 色是 黄 瓜 病 害 的 重 要 特 征 之 一 ， 正 确 识 别 黄瓜 病 斑 颜 色 是 正 确 识 别 黄 瓜 病 害 的 基 础 。利 用数 字 图像 处 理 和 模 式 识 别 技 术 对 作 物 病 害 进 行 识 别， 是作 物 病 害诊 断 的 基 础 … 。 当前 模 式 识 别 主要 方 法是 采 用 人工 神 经 网络 的方 法 ， 但 该 方 法 存 在 一 些 困 难， 如 如何 确 定 网 络 结 构 的 问题 、 过 学 习 和 欠 学 习 的
差 的 问 题 等 。 这 些 问题 影 响 了 对 病 害 的 正 确 识 别 。 支持 向量 机 （ Ｓ ｕ ｐ ｐ ｏ ￣Ｖ ｅ ｃ ｔ ｏ ｒ Ｍａ ｃ ｈ ｉ ｎ ｅ ， Ｓ Ｖ Ｍ） 是 一 种 新 的模 式 识 别 技 术 ， 它 以结构 风 险最小 化 （ Ｓ Ｒ Ｍ） 为 原
问题 、 陷 入 局 部 极 小 点 的 问题 、 对 新 鲜 样 本 泛 化 能 力
分 类 面发 展 而 来 ， 主 要 思 想 可 以概 括 为 ： 寻 找 能 够 成 功 分 开两 类 样 本 并 具 有 最 大 分 类 间 隔 的最 优 分 类 超
平 面 。分 类 问题 大 致 可 以分 为 ３类 ： 线性 可分 问题 、 近似 线性 可 分 问题 和线 性 不 可分 问题 。
如果 找 不 到一 个 线 性 函数 可 以将 两 类 样 本 分 开 ，
就 称这 些 样 本 为 线 性 不 可 分 。解 决 线 性 不 可 分 问题
种新 的模 式 识 别 方 法 ， 它 以结 构 化 风 险 最 小 化 为 原 则， 即兼 顾 训 练 误 差 （ 经验风险 ） 与测试误差 （ 期 望 风 险） 的最 小 化 。支 持 向量 机 从 线 性 可 分 问题 中 的最 优
率。
） ＝ ｓ ｇ ｎ （ ∑ｏ ｙ ｉ Ｋ （ ｘ ・ ） ＋ ｂ ） （ １ ）
ｉ＝ １
式中
０ ～拉格朗 日乘数 ；
ｂ 一 分 类 阈值 。
１ 支 持 向量 机
支持 向量 机是 在 统计 学 习 理论 的基 础 上 提 出 的一
１ ． ２ 线 性不 可 分 问题
叶部 病 害 识别 中 。首 先 ， 选择 Ｈ Ｓ Ｉ 颜 色系 统 作 为 图 像 特 征 提 取 的颜 色 空 问 ， 以减 少 光 照 强 度 对 获 取 图 像 时 的 影
响； 然后 ， 利 用 支 持 向量 机 进 行 叶 部病 害 的识 别 。不 同核 函数 的结 果 比较 分 析 表 明 ： 径 向基 核 函数 对 黄 瓜 叶部 病 害 的识 别 率最 高 ， 最 适 于 黄 瓜 霜霉 病 、 角斑 病 和 白粉病 的分 类识 别 ； 支 持 向量 机识 别 方 法 在 病 害 识 别 时 训 练 样 本 少， 具 有 很 好 的分 类 性 能 和 泛 化 能力 。 关 键 词 ：图像 处 理 ；模 式 识 别 ；支 持 向量 机 ；黄 瓜病 害 ；颜 色特 征
１ ． １ 近似 线性 可 分 问题
如 果用 一 个线 性 函数 可 以将 两 类 样 本 完 全 分 开 ， 就 称 这些 样 本 为 线 性 可 分 。 如 果 用 一 个 线 性 函 数 可 以将 两类 样本 大 体 上 正 确 分 开 ， 就 称 这 些 样 本 为 近 似
线 性 可分 。对 于近似 线 性 可分 的训 练 样 本 集 （ ， Ｙ ｉ ） ，
２ ０ １ ４年 １月
农 机 化 研 究
第 １期
ห้องสมุดไป่ตู้
基 于 颜 色 特 征 和 支 持 向 量 机 的 黄 瓜 叶 部 病 害 识 别
李 旺 ，唐 少先 ，陈 荣
４ １ ０ １ ２ ８ ）
（ 湖 南 农 业 大学 信 息 科 学技 术 学 院 ，长 沙 摘
要 ：针 对 黄 瓜 常 见 叶部 病 斑 图像 的颜 色 特 点 ， 提 出 了将 支 持 向量 机 （ Ｓ ｕ ｐ ｐ ｏ ￣Ｖ ｅ ｃ ｔ ｏ ｒ Ｍａ ｃ ｈ ｉ ｎ ｅ ， Ｓ Ｖ Ｍ） 应 用 于黄 瓜
则， 兼顾 训 练误差 和测 试误 差 ， 在解 决小 样本 、 高 维
数、 非线 性 以及局 部 极 小 值 等 模 式 识 别 问题 中表 现 出
许 多特 有 的优 势 ， 正 在 成 为 模 式 识 别 技 术 领 域 中新 的
研究 热 点 Ｊ 。本 文 的 主 要 工 作 就 是 寻 找 适 于 黄 瓜 病 害识 别 的最 优 核 函数 ， 采用 Ｓ Ｖ Ｍ 方 法 达 到较 高 的识 别
收 稿 日期 ：２ ０ １ ３ — ０ １ 一 Ｏ ９
的基本 思 想 ： 首先 通 过 非 线 性 变 换将 低 维 空 间 的 线 性 不 可分 问题 变 换 到 高 维 空 间 的线 性 可 分 或 近 似 线 性 可分 问题 ， 然后 在 这个 新 变换 的空 间 中求 取 （ 广义 ） 最 优分 类 面 ； 而 这种 空 间 变 换 就是 通 过 不 同 的核 函数 实 现的Ｅ ４ １ 。Ｓ Ｖ Ｍ 方 法 中常用 的 ４种 核 函数 ： １ ） 线 性 核 函数 （ Ｌ ｉ ｎ ｅ ａ ｒ ） 。有
可 用 一个 线 性 函数 （ 如二维 空间 中的直线 ， 三 维 空 间
中的平面或更高维空间 中的超平面 ） 分开 。分类间隔
越大 ， 则推 广 能力 越 好 。使 分类 间 隔最 大 的分类 （ 线） 面 为最 优 分类 （ 线） 面 。应 用 二 次 规 划 方 法 可得 到 如 下 最优 分 类 函数 为
Ｋ（ ， Ｙ ） ＝ ・ Ｙ