基于压缩感知理论的杂草种子分类识别  

Weed seeds classification based on compressive sensing theory

作　　者：蔡骋[1] 张明[1] 朱俊平[1] 

机构地区：[1]西北农林科技大学信息工程学院计算机科学系,杨凌712100

出　　处：《中国科学：信息科学》2010年第S1期160-172,共13页Scientia Sinica(Informationis)

基　　金：国家自然科学基金(批准号:60975007);陕西省自然科学基金(批准号:2010JQ8019);陕西省科技计划(批准号:2010K06-15);西北农林科技大学基本科研业务费基金(批准号:QN2009093);西北农林科技大学人才基金(批准号:Z111020822)资助项目

摘　　要：在农业领域,实现自动、准确、稳健的种子分类识别算法是具有重要经济意义的.由于杂草种子的类别很多,大小、形状、纹理等特征变化多样,即使一个类别的种子,不同的特征也会在数量上有所差异.另外,由于种子常常会因潮湿、病菌等因素,产生霉块或病斑即是连续遮挡或噪声的问题,而之前的算法不适合解决此问题.文中通过求解一个复合的欠定线性方程组优化问题来解决杂草种子的连续遮挡问题.文中利用压缩感知理论在机器学习领域的运用,用主成分分析、下抽样、随机取样等方法对种子图像降维,然后就把杂草种子分类问题归结为一个求解待测样本对于整体训练样本的稀疏表示问题.问题的求解通过e^1范式最小化完成.实验结果表明,利用稀疏表示算法进行分类,可以达到很好的识别效果,对于87类的杂草种子,最好的识别率是90.80%.在农业领域,实现自动、准确、稳健的种子分类识别算法是具有重要经济意义的.由于杂草种子的类别很多,大小、形状、纹理等特征变化多样,即使一个类别的种子,不同的特征也会在数量上有所差异.另外,由于种子常常会因潮湿、病菌等因素,产生霉块或病斑即是连续遮挡或噪声的问题,而之前的算法不适合解决此问题.文中通过求解一个复合的欠定线性方程组优化问题来解决杂草种子的连续遮挡问题.文中利用压缩感知理论在机器学习领域的运用,用主成分分析、下抽样、随机取样等方法对种子图像降维,然后就把杂草种子分类问题归结为一个求解待测样本对于整体训练样本的稀疏表示问题.问题的求解通过e^1范式最小化完成.实验结果表明,利用稀疏表示算法进行分类,可以达到很好的识别效果,对于87类的杂草种子,最好的识别率是90.80%.

关 键 词：杂草种子识别 压缩感知 稀疏表示 连续遮挡 凸优化 

分 类 号：S451[农业科学—植物保护]