基于上下文感知与稀疏表示的害虫图像识别研究

A novel model of insect image recognition is proposed for the two unsolved problems in the traditional pest identification methods. To improve efficiency and accuracy of crop insect recognition, a context-aware model of the insect image is established by combing the knowledge of agricultural experts in the mechanism of pest diagnosis. The proposed model gives a novel path for solving the problem of insect recognition by fusing context information and sparse representation theory. To strengthen the ability of computer’s perception and understanding in complex background of the pest images, the robust and effective algorithms of image sparse representation, dimension reduction, classification and dictionary learning are designed in this project. Meanwhile, the proposed model can also be applied to other areas, such as crop diseases and weeds recognition. The proposed project can transform the traditional crop pest diagnostic model and reduce the use of pesticide and agricultural pollution, and improve the quality of agricultural products.

课题针对传统害虫图像识别方法中识别精度及效率受限这两个难题，从提高害虫自动识别实时性和准确性的角度，利用农业专家在害虫诊断中的机理，构建害虫图像“上下文感知信息表示模型”，探索上下文感知信息与稀疏表示理论之间的有效联合方法，提出一个全新的农作物害虫图像自动识别模型；研究并设计更具稀疏性、鲁棒性和识别能力的图像稀疏表示、维数约简、分类和字典学习算法，提高计算机对复杂背景下害虫图像的感知和理解能力；同时，课题提出的“基于上下文感知与稀疏表示联合的害虫图像识别”模型与方法对其他相关领域，如病害、草害的图像识别具有指导意义。对改造传统农作物虫害诊断模式，降低农药使用，减少农田污染，提高农产品品质更具现实意义。

课题针对传统害虫图像识别方法中识别精度及效率受限这两个难题，从提高害虫自动识别实时性和准确性的角度，项目主要的成果包括以下：.(1) 提出一种基于图像稀疏编码与空间金字塔模型相结合的害虫图像表示与识别方法。该方法利用大量非标注的自然图像块构造过完备学习字典，并运用该学习字典实现对害虫图像的多空间稀疏表示。与此同时，结合多核学习，该文设计了一种害虫图像识别算法。通过对35 种害虫的识别，试验结果表明：在相同方法下，该文所提特征提取方法可使平均识别精度提高9.5 百分点。.(2) 提出一种基于多任务稀疏表示与多核学习相结合的害虫图像自动分类方法。该方法取代传统特征提取方式(如颜色、形状、纹理等)，针对农田害虫图像特征，运用稀疏特征学习，设计了新的基于稀疏编码直方图的特征提取方法，结合多核学习分类，在对农田害虫图像自动分类中获得较好结果。.(3) 提出一种深度化的害虫图像特征学习方法，利用非监督算法训练得到害虫图像底层特征，并设计一种带有排列池化特征策略的多水平分类框架，并经多种水平特征提取，最终实现害虫图像自动分类。通过与农业专家合作，构建一个大的害虫图像数据集。

内容获取失败，请点击重试