一种基于稀疏表示的植物叶片数据识别方法

摘要

本发明具体涉及一种基于稀疏表示的植物叶片数据识别方法。其技术方案是：本发明基于同类数据分布在同一流形上，不同数据分布于不同流形上的假设，一方面利用植物叶片数据类别信息定义流形间距离，另一方面对于流形局部邻域进行稀疏表示，通过在局部近邻图中建立一种稀疏表示关系来获取线性表示系数，建立目标函数寻找最佳投影低维空间，实现在该子空间内，流形间距离最大，而多流形的稀疏性能够较好地保持，最后采用最近邻分类方法在子空间内对植物叶片的稀疏特征进行分类和识别，提高了植物叶片数据的识别效果。

主权项

一种基于稀疏表示的植物叶片数据识别方法，其特征在于所述稀疏特征提取和识别方法的具体步骤如下：1)植物叶片数据的预处理先对原始采集的植物叶片图像进行去噪处理和平滑处理，然后进行植物叶片的图像分割，再将分割后的彩色图像转换为灰度图像，最后将灰度图像进行归一化和向量化处理，得到任一副植物叶片图像预处理后的向量数据X_i和所有植物叶片图像预处理后的矩阵数据X；2)计算任一副植物叶片图像预处理后的向量数据X_i投影后的向量数据Y_iA、建立流形之间差异度矩阵J_D根据所有植物叶片图像预处理后的矩阵数据X和类别信息矩阵H，建立流形之间差异度矩阵J_D$\begin{array}{c}{J}_D=\frac{1}{2}\underset{i,j}{\overset{n}{\Sigma }}{H}_{ij}(X_i-X_j){(X_i-X_j)}^T\\ ={\Sigma }_i{X}_i{Q}_{ii}{X}_i^T-{\Sigma }_{ij}{X}_i{H}_{ij}{X}_j^T=X(Q-H)X^T\end{array}---\left(1\right)$式(1)中：H_ij表示类别信息矩阵H的第i行第j列元素，Q_ii表示类别信息矩阵对角化矩阵Q的第i行第i列元素，Q_ii＝∑_jH_ij                  (3)B、建立基于稀疏表示流形局部结构矩阵J_L根据所有植物叶片图像预处理后的矩阵数据X，建立基于稀疏表示流形局部结构矩阵J_L$\begin{array}{c}{J}_L=\frac{1}{2}\underset{i=1}{\overset{n}{\Sigma }}\underset{j=1}{\overset{n}{\Sigma }}{S}_{ij}(X_i-X_j){(X_i-X_j)}^T\\ =\underset{ij}{\Sigma }{X}_i{S}_{ij}{X}_i^T-\underset{ij}{\Sigma }{X}_i{S}_{ij}{X}_i^T=\underset{i}{\Sigma }{X}_i{D}_{ii}{X}_i^T-\underset{ij}{\Sigma }{X}_i{S}_{ij}{X}_i^T\\ =X(D-S)X^T\end{array}---\left(4\right)$式(4)中：S_ij表示稀疏表示系数矩阵第i行第j列元素，$\begin{array}{c}\min \left|\right|S_i|{|}_1\\ s.t.X_i={\mathrm{XS}}_i\end{array}---\left(5\right)$D_ii表示稀疏表示系数矩阵对角化矩阵D的第i行第i列元素，$D_{ii}=\underset{j}{\Sigma }{S}_{ij}---\left(6\right)$C、计算一副植物叶片图像处理后的向量数据X_i投影后的向量数据Y_i通过线性变化，得到一副植物叶片图像处理后的向量数据X_i投影后的向量数据Y_iY_i＝W^TX_i                 (7)式(7)中：W表示变换矩阵，变换矩阵W通过如下目标函数获得：maxtr{W^T(J_D‑J_L)W}             (8)对(J_D‑J_L)进行特征值分解，(J_D‑J_L)ν＝λv               (9)式(9)中：λ表示特征值，v表示特征向量；将特征值λ按照由大到小顺序排列取前d个特征值所对应特征向量v，组成投影矩阵W；3)植物叶片数据的识别对于每一未知类别的每一植物叶片图像处理后的向量数据X_i，获得一副植物叶片图像处理后的向量数据X_i投影后的向量数据Y_i，然后在低维空间内采用最近邻法识别一副植物叶片图像处理后的向量数据X_i投影后的向量数据Y_i的类别。