基于椭圆型度量学习空间变换的水稻虫害识别

摘要：

为了提高水稻虫害识别的准确率,文中首先采用深度语义分割U-Net网络去除复杂背景的影响,采用滑动窗口法提取水稻虫害图像的HSV颜色特征和SILTP纹理特征,统计同一水平滑窗中特征的最大值来构成特征向量,并利用Relief-F算法进行优化,获取具有高辨识性的水稻虫害图像特征.同时,引入对数据具有更好区分性的椭圆型度量,通过椭圆型度量学习寻找反映虫害图像特征空间结构信息和语义信息的非线性变换,对虫害图像特征的潜在关系进行建模,使相同类别特征之间的距离减小,不同类别特征之间的距离增大;在椭圆型度量学习过程中,通过在三元组约束函数中增加Fro-benius范数正则项来避免过拟合,提高泛化能力.最后,利用椭圆型度量矩阵将水稻虫害特征变换到新的特征空间,从而提升SVM分类器的辨识能力.对13类常见水稻虫害图像的识别结果表明,文中提出的算法显著提高了小样本和复杂背景下水稻虫害图像识别的准确率,可以为精准农业中农作物病虫害的智能识别提供参考.

关键词：水稻虫害识别、椭圆型度量、空间变化、三元组约束

所属期刊栏目：48

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;安徽省高等学校自然科学研究重点项目;农业生态大数据分析与应用技术国家地方联合工程研究中心开放课题

在线出版日期：2020-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：136-144