【正文】 次設(shè)計的創(chuàng)意所在。j 8。j++) { IPI_GetPixelValue (DestImage, i, j, amp。 for(i = 0。j 8。 }/* 方差 Vari */ *VariValue = 0。i 8。j 8。 }/* 對比度 CON */*CONValue = 0。i 8。 for(i = 0。for(j = 0。oc2 = 0。i 8。i++) for(j = 0。,groups，20/100)。classperf(cp,classes,test)。*/ int RunMatlabCommand(CAObjHandle hMatlab, char *mand)。其中，cString為存儲收到的字符串變量，matStringName為發(fā)送的字符串變量 */int GetString(CAObjHandle hMatlab, char *matStringName, char **cString)。matrixReal, matrixImag 為要CVI中接收到的矩陣的實部和虛部， */int GetMatrix(CAObjHandle hMatlab, char *matlabName, double **matrixReal, double **matrixImag, unsigned *dim1, unsigned *dim2)。*/int SendString(CAObjHandle hMatlab, char *matStringName, char *CVIString)。*/int CloseMatlab(CAObjHandle *hMatlab)。showplot39。 [train, test] = crossvalind(39。for(i = 0。amp。i++){ or2 = or2 + (i mr)*(i mr)*GLCM_one_i[i]。i++){ mr = mr + i*GLCM_one_i[i]。j 8。 }/*相關(guān)性 COR */*CORValue = 0。j 8。i 8。 }/*逆差矩 Defi*/ *DefiValue = 0。j 8。i 8。 DistGLCM[x1][x2]++。i++) for(j= 0。i 8。經(jīng)過分析研究，本次試驗得到的召回率能達到百分之七十以上效果甚好，而精度還能繼續(xù)提高，這是因為本文使用的小麥腥黑穗病樣本圖像是利用顯微鏡得到的，顯微鏡的精度對樣本分類有一定的影響；其次，本次設(shè)計在提取樣本的紋理特征的預(yù)處理（包括分割、圖像平滑處理和濾除噪聲）存在一定的欠缺，這也是影響分類的一大因素。下面是矮腥和網(wǎng)腥的分類結(jié)果如圖8和圖9所示：圖8 樣本訓練結(jié)果圖9 分類結(jié)果顯示 實驗結(jié)果分析本文先后進行了兩次分類實驗，第一次是對石紋和樹皮進行分類，第二次是對小麥的矮腥黑穗病和網(wǎng)腥黑穗病進行分類。其中，matrixReal, matrixImag 為要發(fā)送的矩陣的實部和虛部，MATLABName為MATLAB中存儲該矩陣的變量名，dim1，dim2矩陣的行列數(shù)。其中變量mFilePath是M腳本文件的路徑。*/ int LaunchMatlab (CAObjHandle *hMatlab)。為了方便開發(fā)者實現(xiàn)LabWindows／CVI環(huán)境下與MATLAB混合編程，NI公司還專門配置了一個更加友好的接口函數(shù)文件matlabutil．c。②單擊“Next”后，彈出ActiveX Controller WizardConfigure對話框，需要對目標FP文件命名并設(shè)定存放路徑，存放路徑為D:\CVI2012\Work，單擊“Next”。%得到估算值ans = 由分類結(jié)果可以看出，此次的石紋和樹皮紋理分類相當成功，召回率達到95%以上，這主要歸功于svm這一算法的分類精確度和兩種紋理圖片處理得比較好。cp = classperf(groups)。 MATLAB中使用支持向量機方法進行分類Matlab是一個強大的編程軟件，它里面囊括了許許多多的圖形圖像處理函數(shù)。下面是關(guān)于對兩種開發(fā)平臺的兩種開發(fā)方法的闡述與比較。冬孢子表面有網(wǎng)狀紋，網(wǎng)眼寬24微米。自相關(guān)（correlation）計算公式如式（11）和（12）所示 (11)其中 (12)自相關(guān)反應(yīng)了圖像紋理的一致性。IDM相關(guān)度（inverse different moment）計算公式如式（9） (9)如果灰度共生矩陣對角元素有較大值，IDM就會取較大的值。當共生矩陣中元素集中分布時，此時ASM值大。（a，b）取值要根據(jù)紋理周期分布的特性來選擇，對于較細的紋理，選取（1，0）、（1，1）、（2，0）等小的差分值。其中統(tǒng)計分析方法、幾何特征方法和信號處理方法在紋理分析中因為提出較早，所以影響很大。例如，一幅衛(wèi)星圖像中的一個特定區(qū)域可能屬于農(nóng)田、森林或城區(qū)。雖然紋理研究者提出了各種各樣的紋理定義，這些定義都具有兩個方面:一是紋理可以理解為由基元組成:二是紋理基元具有一定的排列關(guān)系。盡管從紋理研究初期起就有許多紋理方面的研究成果，然而到目前為止，在計算機視覺研究文獻中還沒有一個大家都能接受的精確定義。,true)。holdOut39。設(shè)計基于SVM的二分類器, 就是在Z 中尋找一定意義下的最優(yōu)超平面〈w, Φ(x) 〉 b = 0。 支持向量機的原理SVM方法是通過一個非線性映射，把樣本空間映射到一個高維乃至無窮維的特征空間中，使得在原來的樣本空間中非線性可分的問題轉(zhuǎn)化為在特征空間中的線性可分的問題。，SVM可以應(yīng)用與分類數(shù)據(jù)。流程見圖1。圖像處理和識別技術(shù)在各方面的應(yīng)用都已經(jīng)比較成熟，在對玉米、黃瓜、甘蔗的病害識別中，用到的方法和流程都是類似的。趙玉霞，王克如，白中英等（2007）利用貝葉斯方法對玉米葉部病害圖像進行識別，根據(jù)銹病、彎孢菌葉斑病、灰斑病、小斑病及褐斑病等五種玉米病斑圖像的實際情況,在圖像分割和特征提取的基礎(chǔ)上,利用樸素貝葉斯分類器的統(tǒng)計學習方法,實現(xiàn)玉米葉部病斑的分類識別。 圖像分析技術(shù)在植物病害識別領(lǐng)域的研究現(xiàn)狀 國外研究現(xiàn)狀Garbay（1986）深入分析了細胞圖像的結(jié)構(gòu)模型，比較了多種細胞的分割方法，提出了一種區(qū)域生長方法，并獲得了較好的效果。由于小麥矮腥和小麥網(wǎng)腥的冬孢子形態(tài)特征比較相似，給檢疫造成困難。該病害危害很大，造成病株矮化、分蘗多、病穗密、病粒硬等癥狀，某些品種感病后減產(chǎn)一半以上，病菌能在土壤中存活6～7年，甚至10年，隨著土壤和種子傳播，很難根治。同時簡單介紹SVM在紋理圖像分類中的應(yīng)用。本文所做的主要工作如下：，分析支持向量機核函數(shù)中各個參數(shù)對分類模型的影響，比較各參數(shù)對SVM的尋優(yōu)能力。它是麥類黑穗病中危害最大、防治最難的一種國際性檢疫病害，也是我國外檢中禁止傳入的一類危險性病害（張江洪，2001）。然而，出入境檢驗檢疫人員在識別入境小麥病害時遇到了困難。在提取圖像特征的基礎(chǔ)上建立小麥矮腥黑穗病和王腥黑穗病的檢定系統(tǒng)，并進行驗證試驗。張靜等（2006）對溫室黃瓜斑疹病和角斑病的研究發(fā)現(xiàn)，利用灰度共生矩陣方法提取出來的慣性值是識別這兩種病蟲害較好的特征參量之一。再加上矮腥黑穗病在國內(nèi)比較少見，只有在入境植物中才可能攜帶，因此國內(nèi)對這種病害的相關(guān)研究就更少，這種病害的危害性特別大，一旦傳入我國產(chǎn)生的損失將會很大，所以本文的研究將會有很好的實用價值。 技術(shù)路線根據(jù)本研究的目的和要求，確定出技術(shù)路線為：先對獲取到的細胞圖像進行平滑和銳化處理，改善圖像的質(zhì)量；從細胞圖像中分割出單個細胞；對這些細胞分別提取它們的顏色、形狀和紋理特征；從中選出一部分特征歸一化；利用歸一化后的特征值進行病害識別。盡管如此，用戶必須提供其他參數(shù)，如使用核函數(shù)類型和引入松弛變量等。
，即少量樣本（支持向量）的系數(shù)不為零，就推廣性而言，較少的支持向量數(shù)在統(tǒng)計意義上對應(yīng)好的推廣能力，從計算角度看，支持向量減少了核形式判別式的計算量。變換Φx→z將樣本從輸入空間映射到特征空間。%把百分之八十的樣本用于訓練，剩余的用于分類；[train, test] = crossvalind(39。showplot39。用圖像中的二維灰度變化來表征多種多樣的紋理本身就是一個非常復(fù)雜的過程，因此，很難給紋理一個精確的定義。這從另一個角度反映出進行紋理特征的研究十分具有挑戰(zhàn)性。紋理分類是從一個給定紋理類別中識別出給定紋理區(qū)域(紋理圖像)。目前己經(jīng)有許多紋理特征提取方法，將這些方法大致歸為四大類:統(tǒng)計分析方法（也就是灰度共生矩陣方法），幾何特征方法，信號處理方法及關(guān)鍵點方法。距離差分值（a，b）取不同的數(shù)值組合，可以得到不同情況下的聯(lián)合概率矩陣。如果共生矩陣的所有值均相等，則ASM值??；相反，如果其中一些值大而其它值小，則ASM值大?；叶裙仃囍羞h離對角線的元素值越大，CON越大。它表示了圖像中紋理的非均勻程度或復(fù)雜程度。孢子堆為黑色。所以，本文運用LabWindows／CVI和MATLAB兩種開發(fā)平臺來共同實現(xiàn)支持向量機這一種分類算法的實現(xiàn)。cvi的界面如下面圖2所示：圖2 紋理特征提取工作界面由cvi輸出的exl文檔如圖3所示：圖3 cvi獲得的腥黑穗病紋理特征數(shù)據(jù)由于cvi軟件一次性只能處理15張圖片，故而實驗中只是輸入了12張圖片，并提取出了這12張圖片相對應(yīng)的紋理特征值。,groups，20/100)。%對石紋和樹皮的分類結(jié)果如下圖6所示：圖6 分類結(jié)果%分類準確率的估算；classperf(cp,classes,test)。七步驟如下：① 打開LabWindows／CVI窗口中選擇ToolsCreate ActiveX Controller，彈出ActiveX Controller WizardWele對話框，單擊“Next”，會在ActiveX Controller WizardWele Server中列表顯示系統(tǒng)已安裝的ActiveX Server，在列表中選擇“Matlab Automation Server Type Library”選項。② 由CVI\samples\activex\\,：GUID clsid = { 0x669CE94,0x6E22,0x11CF，0xA4，0xD6,0x0,0xA0,0x24,0x58,0x3C，0x19}改寫為：GUID clsid={0x554F6053，Ox79D4，0xl1D4，0xBo，0x67，0xO，0xg0，0x27，0xBA，0xSf，Ox81}；以上兩種方法得到的ActiveX服務(wù)函數(shù)的功能是一樣的，即包含了LabWindows／CVI與MATLAB的混合編程所要用到的最基本的功能函數(shù)，包括打開MATLAB函數(shù)、關(guān)閉MATLAB函數(shù)、發(fā)送矩陣函數(shù)、接收矩陣函數(shù)、運行MATLAB功能的函數(shù)及MATLAB窗口最大／最小化函數(shù)等。LabWindows／CVI與MATLAB混合編程的主要代碼如下：/* 打開MATLAB窗口的函數(shù)，其中hMatlab是MATLAB應(yīng)用對象的句柄。/* 運行MATLAB中的*.m（M腳本文件），也就是用戶在MATLAB編寫的工程文件。/*向MATLAB發(fā)送矩陣函數(shù)。CVI與MATLAB混合編程的工作界面如下面圖7所示：圖7 CVI與MATLAB混合編程界面本次設(shè)計所用的是矮腥和網(wǎng)腥這兩種植物病菌圖像，它們十分相似，所用的樣本數(shù)量有九十幾個，經(jīng)過不斷努力最終分類精確度提高到百分之七十二。