基于K-SVD和正交匹配追踪稀疏表示的稻飞虱图像分类方法

来源：农业工程学报杂志2019年第19期北京时间：

作者：林相泽,张俊媛,朱赛华,刘德营,

摘要：针对当前稻飞虱图像分类研究中存在图像识别速度慢、分类精度低的不足，该文提出一种基于K-SVD和正交匹配追踪 (orthogonal matching pursuit, OMP) 稀疏表示的稻飞虱图像分类方法。首先，根据稻飞虱的趋光性特点，使用团队自主研发的野外昆虫图像采集装置自动获取稻田害虫图像；然后，利用K-SVD算法对稻飞虱图像特征的过完备字典进行更新构造，结合OMP算法对原始输入图像的特征信号进行稀疏表示；最后，通过求解输入图像的重构误差对昆虫图像进行分类。在相同的试验条件下，与传统的图像分类算法（SVM、BP神经网络）进行比较。实验结果表明，该文提出的基于K-SVD和OMP算法的稻飞虱图像稀疏表示分类方法可对稻飞虱与非稻飞虱进行快速准确的分类，分类速度达到6.0帧/s，平均分类精度达到93.7%。与SVM和BP神经网络相比，分类速度分别提高了5和5.5帧/s；分类精度分别提高了15.7和28.2个百分点，为稻飞虱的防治预警工作提供了信息与技术支持。

关键词：图像处理, 分类, 稻飞虱, 稀疏表示, K-SVD, 正交匹配追踪