【正文】 .................................................. 4 支持向量機的一般特征 .................................................................................................... 5 支持向量機的優(yōu)點 …… .................................................................................................... 5 支持向量機的原理 …… ....................................................................................................... 6 支持向量機的算法 ............................................................................................................... 6 支持向量機的編程實現(xiàn) …. .................................................................................................. 7 3 紋理描述及腥黑穗病的圖像特征 …. ...................................................................................... 8 紋理描述方法綜述 ............................................................................................................... 8 紋理的形成 …. ................................................................................................................... 8 紋理分析的研究內(nèi)容 …. ................................................................................................... 9 獲取圖像的紋理特征：灰度共生矩陣 ............................................................................... 9 由灰度共生矩陣得到的各類紋理特征 … . ........................................................................ 10 小麥腥黑穗病菌的直觀特征 …. ......................................................................................... 12 4 基于 SVM 的矮腥和網(wǎng)腥圖像分類實驗 …. ........................................................................... 13 SVM 分類器的實現(xiàn)方法 …. .................................................................................................. 13 LabWindows／ CVI 紋理特征提取及腥黑穗病紋理特征提取實驗 …. ........................ 13 MATLAB 中使用向量機方法進行分類 …. .................................................................... 14 LabWindows／ CVI 與 MATLAB 混合編程 …. ................................................................. 17 II 軟件實現(xiàn)鑒定系統(tǒng)及腥黑穗病分類實驗 …. ..................................................................... 19 實驗結(jié)果分析 …. ................................................................................................................ 21 5 結(jié)論與討論 …. ....................................................................................................................... 22 參 考 文 獻 .............................................................................................................................. 23 附 錄 .................................................................................................................................... 24 致 謝 .................................................................................................................................... 30 畢業(yè)論文（或設計）成績評定表 1 1 前言 小麥腥黑穗病鑒定的研究意義 小麥矮腥黑穗病 （ Tilletia controversa K252。 本科畢業(yè)論文 小麥腥黑穗病鑒定的 SVM 方法 摘 要 紋理圖像的自動分類在許多領域都是一項關鍵的任務，其中包括農(nóng)作物產(chǎn)品等級分類、可視場景的目標檢測、信息檢索、醫(yī)學應用等等。 SVM 對紋理圖像分類的算法對矮腥和網(wǎng)腥紋理這兩種紋理圖像進行樣本訓練和分類，并對 SVM 的分類能力進行測試和比較，分析了不同參數(shù)優(yōu)化方法對圖像分類準確率的影響。小麥腥黑粉菌含有毒素， 不僅 會 造成小麥減產(chǎn)，而且因病菌產(chǎn)生的有毒物質(zhì)三甲胺的污染 還會 降低面粉品質(zhì)，使面粉不堪食用。 另外，由于小麥腥黑穗病菌的癥狀比較復雜，描述帶有模糊性，無法采取精確的對癥描述，造成病菌診斷標準含糊不清，妨礙了檢疫人員的正確判斷。 等（ 20xx）通過編寫算法從五類小麥和五類油料種子染污的成分的高分辨率圖像中提取總共 230 個特征（ 51 個形態(tài)、 123 個顏色、 56 個紋理）進行人工神經(jīng)網(wǎng) 絡分類，結(jié)果表明特征清晰易于分類，不同品種間如在形狀與大小等相似的情況下會影響分類的準確性。經(jīng)檢驗，該系統(tǒng)對玉米葉部的銹病斑、彎孢菌病斑、灰斑、褐斑、小斑等五種主要病害的診斷準確率達 80%以上。而運用支持向量機的方法進行植物病害鑒定的研究很少，支持向量機具有它獨特的優(yōu)點，它的實現(xiàn)相對容易、識別率高、性能可靠，是本次論文的主要實現(xiàn)方法。 SVM 的主要思想可以概括為 :它是針對線性可分情況進行分析，對于線性不可分的情況，通過使用非線性 映射 算法將低維輸入空間線性不可分的樣本轉(zhuǎn)化為 高維 特征空間使其線性可分，從而 使得高維特征空間采用線性算法對樣本的非線性特征進行線性分析成為可能 。 2. 算法最終將轉(zhuǎn)化成為一個二次型尋優(yōu)問題，從理論上說，得到的將是全局最優(yōu)點，解決了在神經(jīng)網(wǎng)絡方法中無法避免的局部極值問題。 一般的升維都會帶來計算的復雜化，SVM 方法巧妙地解決了這個難題 ： 應用 核函數(shù) 的展開定理，就不需要知道非線性映射的顯式表達式；由于是在高維特征空間中建立線性學習機，所以與 線性模型 相比，不但幾乎不增加計算的復雜性，而且在某種程度上避免了 “ 維數(shù)災難 ” 。 求解上述規(guī)劃問題，得到一個二分類器如式 （ 5） ： ? ? ? ??? ??lj jjj bxxKyxu 1 ,? ? ? ? ?? ?xusignxy ? (5) 若 ai =0,樣本 xi稱為非支持向量 (nonsupport vector)； 若 ai 0, xi稱為支持向量 (support vector)； 若 ai=C, xi稱為有界支持向量 (bounded support vector) ； 若 C ai0,xi稱為非有界支持向量 (nonbounded support vector)。 %樣本訓練； svmStruct = svmtrain(data(train,:),groups(train),39。在這里將系統(tǒng)地論述紋理的定義、研究熱點以及主流紋理特征描述子，并指出各類紋理特征的優(yōu)缺點。例如， Tabmur 等人將紋理看成一個宏觀區(qū)域的組成，其結(jié)構(gòu)可簡單地歸于那些重復的模式，在這些模式中，元素或基元根據(jù)一個置放規(guī)則而排列； Sklansky 認為如果在一個圖像的某個區(qū)域中，一個局部統(tǒng)計量的集合或圖像函數(shù)的某些屬性是常量、緩慢變化或近似周期性，那么該區(qū)域就 9 具有反映一定的紋理內(nèi)在特征 。宏紋理具有大的基元而微紋理有小的基元”。紋理分類和紋理分割是紋理分析研究領域的重要研究方向，受到了眾多學者的廣泛關注。 10 灰度共生矩陣方法： 灰度直方圖是對圖像上單個象素具有某個灰度進行統(tǒng)計的結(jié)果，而灰度共生矩陣是對圖像上保持某距離的兩象素分別具有某灰度的狀況進行統(tǒng)計得到的。 實驗中對灰度共生矩陣進行了如下的歸一化 如式 （ 6） ： (6) 由灰度共生矩陣得到的各類紋理特征 直覺上來說，如果圖像的是由具有相似灰度值的像素塊構(gòu)成，則灰度共生矩陣的對角元素會有比較大的值；如果圖像像素灰度值在局部有變化，那么偏離對角線的元素會有比較大的值。 對比度 （ contrast） 計算公式如式 （ 8） 錯誤 !未找到引用源。 (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。它表示了圖像中紋理的非均勻程度或復雜程度。 逆差矩 （ cooccurrence matrix） 計算公式如式（ 13） 錯誤 !未找到引用源。孢子堆為黑色。但是，作為研究，我們要有創(chuàng)新，突出新意。提取出來這 8 個特征后，把對應的數(shù)據(jù)保存到 exl空間里，然后由 exl文檔輸出這 8 個紋理特征。holdOut39。,true)。建立 ActiveX 服務的方法有兩種： ⑴ 在 LabWindows／ CVI 窗口中 （ LabWindows／ CVI 版本要在 以上，含 版本 ） ，用戶自行創(chuàng)建 ActiveX 服務函數(shù)，但這種方法要求先裝 MATLAB，后裝 LabWindows／ CVI。其方法及步驟如下： ①打開注冊表編輯器，查到用戶安裝的相應版本 MATLABApplication的注冊碼，以version 6． 5為例，其注冊碼是 {554F605379D411D4． B067009027BA5F81}。 相信只要熟悉 LabWindows／ CVI的讀者都會根據(jù)上述方法很順利地實現(xiàn)在 LabWindows／ CVI環(huán)境下與 MATLAB混合編程。 */ 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)。下面是對兩種腥黑穗病的分類實驗。 5 結(jié)論與討論 本次設計成功實現(xiàn)了小麥腥黑穗病病菌鑒定系統(tǒng)，該系統(tǒng)能夠較好地從小麥的矮腥黑穗病和網(wǎng)腥黑穗病兩種病菌圖像的紋理特征入手， 根據(jù)它們的不同紋理特征值來分離這兩種十分相似的腥黑穗病病菌。 double DistGLCM[8][8],SumDist。 for(i = 0。 x1 = PixelValueX1/32。j++) { SumDist = SumDist + DistGLCM[i][j]。i 8。j 8。 } /* 相似度 Simi **/ *SimiValue = 0。i 8。j 8。j++) { GLCM_one_i[i] = GLCM_one_i[i] + DistGLCM_one[i][j]。 for(i = 0。 for(i =