《基於上下文感知與稀疏表示的害蟲圖像識別研究》是依託中國科學院合肥物質科學研究院，由謝成軍擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於上下文感知與稀疏表示的害蟲圖像識別研究
- 項目類別：青年科學基金項目
- 項目負責人：謝成軍
- 依託單位：中國科學院合肥物質科學研究院
項目摘要,結題摘要,
項目摘要
課題針對傳統害蟲圖像識別方法中識別精度及效率受限這兩個難題，從提高害蟲自動識別實時性和準確性的角度，利用農業專家在害蟲診斷中的機理，構建害蟲圖像“上下文感知信息表示模型”，探索上下文感知信息與稀疏表示理論之間的有效聯合方法，提出一個全新的農作物害蟲圖像自動識別模型；研究並設計更具稀疏性、魯棒性和識別能力的圖像稀疏表示、維數約簡、分類和字典學習算法，提高計算機對複雜背景下害蟲圖像的感知和理解能力；同時，課題提出的“基於上下文感知與稀疏表示聯合的害蟲圖像識別”模型與方法對其他相關領域，如病害、草害的圖像識別具有指導意義。對改造傳統農作物蟲害診斷模式，降低農藥使用，減少農田污染，提高農產品品質更具現實意義。
結題摘要
課題針對傳統害蟲圖像識別方法中識別精度及效率受限這兩個難題，從提高害蟲自動識別實時性和準確性的角度，項目主要的成果包括以下： (1) 提出一種基於圖像稀疏編碼與空間金字塔模型相結合的害蟲圖像表示與識別方法。該方法利用大量非標註的自然圖像塊構造過完備學習字典，並運用該學習字典實現對害蟲圖像的多空間稀疏表示。與此同時，結合多核學習，該文設計了一種害蟲圖像識別算法。通過對35 種害蟲的識別，試驗結果表明：在相同方法下，該文所提特徵提取方法可使平均識別精度提高9.5 百分點。 (2) 提出一種基於多任務稀疏表示與多核學習相結合的害蟲圖像自動分類方法。該方法取代傳統特徵提取方式(如顏色、形狀、紋理等)，針對農田害蟲圖像特徵，運用稀疏特徵學習，設計了新的基於稀疏編碼直方圖的特徵提取方法，結合多核學習分類，在對農田害蟲圖像自動分類中獲得較好結果。 (3) 提出一種深度化的害蟲圖像特徵學習方法，利用非監督算法訓練得到害蟲圖像底層特徵，並設計一種帶有排列池化特徵策略的多水平分類框架，並經多種水平特徵提取，最終實現害蟲圖像自動分類。通過與農業專家合作，構建一個大的害蟲圖像數據集。
